Deep Learning: Transformers
En esta clase vemos la arquitectura "Transformer" para procesar secuencias y que está casi completamente basada en el concepto de Atención Neuronal. Transformer es la base de arquitecturas modernas de NLP, en particular, GPT y BERT.
▶︎
CC6204 Deep Learning, Clase 09-2020: Red FF a mano en pytorch (y la versión estilo pytorch)
▶︎
CC6204 Deep Learning, Clase 01-2020: Introducción, IA vs ML vs DL, ¿Por qué DL ahora?
▶︎
🤖💡 ¡Descifrando los Secretos de los Transformers! 🚀📚 Explicación Completa: Attention is All You Need
▶︎
Attention in transformers, step-by-step | Deep Learning Chapter 6
▶︎
Computación Neuromórfica - Qué es, Historia y FUTURO de la IA
▶︎
C6204 Deep Learning, Clase Adicional-2020: Más acerca de Transformers (BERT, RoBerta, XLNet, GPT)
▶︎
Scott Aaronson - The TRUTH About Quantum Computing
▶︎
CC6204 Deep Learning, Clase 08-2020: Entropía Cruzada y Backpropagation a mano con Tensores
▶︎
Training Sand to Think: Artificial General Intelligence & Future of Physics
▶︎
CC6204 Deep Learning, Clase 12-2020: Inicialización, Normalización y Batch Normalization
▶︎
Funciones de activación a detalle (Redes neuronales)
▶︎
Attention is all you need (Transformer) - Model explanation (including math), Inference and Training
▶︎
La magia del Machine Learning: Embeddings
▶︎
¿Qué es una Red Neuronal? | Aprendizaje Profundo. Capítulo 1
▶︎
CC6204 Deep Learning, Class 13-2020: Optimization Algorithms, SGD with Momentum, RMSProp, Adam
▶︎
CC6204 Deep Learning, Clase 10-2020: Generalización, Test-Dev-Train set, e Intro. a Regularización
▶︎
CC6204 Deep Learning, Clase 15-2020: Pooling, AlexNet, VGG
▶︎
Transformers, the tech behind LLMs | Deep Learning Chapter 5
▶︎
Las REDES TRANSFORMER ¡EXPLICADAS!
▶︎