13QZ02_01_Deep Learning Introducción

Siempre produce salidas negativas.

Produce salidas entre -1 y 1.

Produce salidas entre 0 y 1.

No tiene límite superior en sus salidas.

La cantidad de neuronas en la capa oculta.

Un valor que se suma a la entrada ponderada para ajustar la salida.

La función de activación utilizada.

La tasa de aprendizaje del modelo.

Una técnica de programación orientada a objetos.

Un subconjunto del aprendizaje automático que utiliza redes neuronales con muchas capas.

Un algoritmo de ordenación de datos.

Una técnica de compresión de archivos.

Produce salidas entre 0 y 1.

Penaliza valores negativos.

Produce salidas entre -1 y 1.

Es una función lineal.

Desarrolló el algoritmo de retropropagación.

Creó el modelo de neuronas de McCulloch-Pitts.

Desarrolló el perceptrón.

Introdujo la función de activación ReLU.

Realizar cálculos intermedios con las entradas.

Generar la predicción final del modelo.

Ajustar los pesos de las neuronas.

Normalizar los datos de entrada.

Siempre produce salidas negativas.

Produce salidas entre -1 y 1.

Produce salidas entre 0 y 1.

No tiene límite superior en sus salidas.

Una función que ajusta los pesos de las conexiones.

Una función que calcula la entrada neta a partir de las entradas ponderadas.

Una función que determina la salida de la neurona.

Una función que divide los datos en lotes.

Un método en el que los modelos se entrenan sin etiquetas.

Un método que utiliza datos etiquetados para entrenar el modelo.

Una técnica para reducir la dimensionalidad de los datos.

Un algoritmo de clustering.

Un físico famoso.

Un matemático especializado en teoría de números.

Un investigador destacado en redes neuronales y aprendizaje profundo.

Un ingeniero de software en Google.