Deep Learning parte 1: introducción con Keras

Contenido Detallado

1. Comprendiendo nuestros datos

   • Introducción
   • Problema a resolver
   • Cargar el dataset
   • Analisando la estructura de los datos

2. Armando las bases de nuestros modelos

   • Ordenando el código
   • Visualizando las categorias
   • Redes neuronales

3. Redes neuronales

   • Entendiendo las neuronas y pesos
   • Funciones de activación
   • Épocas y Batchsize

4. Mejorando y evaluando nuestros modelos

   • MLP Perceptrón Multicapa
   • Validando el modelo
   • Evaluando el modelo

5. Comparando modelos usando Tensorboard

   • Configurando Tensorboard
   • Overfitting y Underfitting
   • Guardar y usar el modelo

6. Puliendo nuestras habilidades

   • Normalización
   • Dropout y Mitigación de Overfitting
   • Optimizadores y Learning Rate

7. Conceptos clave

   • Documentación oficial
   • Conclusión