Відео

Muchas gracias, ame tu video 🚀

pasa el link a el archivo de google colap porfis, solo tengo acceso al blog

acabo de conocer tu canal, le tengo un monton de esperanza

Amo amo amo este canal !!!

Muchas gracias por compartir tus conocimientos.!!!!🙏🙏🙏

Broo vi tu video de hace 4 años atras y haz evolucionado muchoo, se te escucha muy confiado y carismatico es muy notorio tu cambio te deseo lo mejor broo

Amo este canal ! Me encanta como explicas

Amo tus videos !

Muy currado el nombre del repositorio xDDDD eliopuchi

Masterclass

JOder tio, flipante

esto seria valido solo paara patrones espacificos de algun juego

menos mal existes tio!

Alguien me ayuda? Mi laptop abre Huggins face pero lo deja en blanco aunque cuando refresco la página sale bien de pronto a blanco, porque sucede esto? Solo pasa en mi laptop pero en mi celular entra normal 😢

alguno un macbook series m? como hago por ejemplo si el mio tiene nucleos diferentes, es arm y no tiene hilos obviamente? Total Number of Cores: 14 (10 performance and 4 efficiency) m3 max

Excelente video! Muy buen contrenido, de verdad gracias👏

Este video dice que es 'Parte 1', y al principio dices que depende del vídeo anterior. Puedes arreglar la numeración, y que todos los vídeos estén bien organizados? Gracias por tu contenido

Primer tutorial que encuentro que usa fondo negro al texto... mis ojos van a poder descansar

EXCELENTE explicacion y concisa! vi muchos videos y este es el mejor hasta ahora

como invertiste el color de jupyter ?

Gracias! Me sirve bastante!

Primero que nada muchas gracias, al igual que todos quedé facinado la manera y el detalle que muestras, sin duda fue de gran ayuda. Segundo, por ejemplo si trabajo con github, toda la parte del EDA y pipeline serían parte de una Branch, y la parte de 'seleccionar y entrenar' un modelo' pordría ser otra y despues juntar para que corra todo??

Tengo una probabilidad de casi 1 de dejar de ser programador tras ver estos vídeos ... necesito tener 20 años menos y volver a estudiar!

Se me ha frito el cerebro piiiii......

Me interearia conocer accelerate y gradio😊😊😊

Tienes cara de buena persona

Me vi toda la playlist ..muy buenos videos❤❤

Cool

sou brasileiro e o seu canal é o melhor sobre inteligência artificial

sou brasileiro e o seu canal é o melhor sobre inteligência artificial

Claro que si . Dame una grafica de 64 gb ggdr5 gracas

Muy interesante la entrevista. Siento disentir en cuanto a los requisitos matemáticos, también es muy importante la derivación y conocer bien el concepto de derivada geométricamente hablando, además de saber interpretar gráficas de funciones desde un sentido matemático. Además; es muy importante tener un conocimiento contundente del álgebra lineal: matrices, determinantes, sistemas lineales, etc... Todo ello ayuda mucho cuando nos hablan de regresión (no sólo la estadística), etc... Si lo conoces bien tendrás menos actos de fe con librerías como Pytorch, tensorflow, sklearn, etc. Y además cuando obtengas resultados absurdos te costará menos reflexionar sobre qué esté pasando. Espero que se me haya entendido. Gracias.

Como estas Sensio, cuando sacas un video nuevo?

hay algo similar para tensorflow?

Amigo disculpa como esta pytorch ahora? vale la pena aprenderlo?

muchas gracias, me fue de gran utilidad

video muy bien explicado, te entendi mas a ti que a mi profesor jajaja, saludos desde brasil

Excelente video, muy bien explicado.

Recien encuentro a este canal y la verdad explicas muy bien. Gracias!

Hola, genial como todos los vídeos suys que he visto. Solo tení auna consulta,para saber si lo he entendido bien. En el instante 8:57 la expresión de la derivada de MSE respecto de los pesos w1 de la primera capa, ¿¿¿no debería ser igual a la derivada de MSE respecto de la predicción (y^) multiplicada por la derivada de (y^) respecto de w1??? Lo pregunto pq MSE depende de w1 a través de y^, e y^ depende de w1 a través de h1. Es un puro formalismo, pero no lo tengo del todo claro. Un respetuoso saludo y gracias

HOLA PUEDO CONTACTARTE DE ALGUNA MANERA ?

En el video se explica cómo entrenar una red neuronal para generar código automáticamente, similar a GitHub Copilot. Se detalla el uso de un modelo basado en GPT con 12 billones de parámetros y se muestra cómo tokenizar el texto para la entrada del modelo. Finalmente, se sugiere la posibilidad de desplegar el modelo en una API para crear una aplicación de autocompletado de código. Momentos clave: 00:00 El video explica cómo entrenar una red neuronal para autocompletar código usando modelos como Codex. Se destaca la relevancia de los datos en la IA y se menciona el uso de librerías como Hugging Face. -La importancia de los datos en la inteligencia artificial y cómo influyen en el entrenamiento de modelos como Codex. -El uso de librerías como Hugging Face para trabajar con modelos de IA y la disponibilidad de data sets como Paracoder. 05:02 La tokenización convierte palabras en números para que la red neuronal pueda procesarlas. El modelo GPT de OpenAI tiene 12 billones de parámetros y MiniGPT es una implementación eficiente en PyTorch. -La tokenización convierte texto en tokens numéricos para la red neuronal. -El modelo GPT de OpenAI tiene 12 billones de parámetros y es complejo de entrenar. 10:05 El modelo de lenguaje generativo proporciona una distribución de probabilidad sobre el vocabulario. Es importante entrenar el modelo con datos de muestra antes del conjunto completo para evitar errores. -Configuración del modelo: Se ajusta la longitud del vocabulario y la dimensión del modelo. Se recomienda usar tamaños estándar como 512 para la entrada. -Diferencias con redes recurrentes: Los transformers proporcionan la distribución de probabilidad para todo el vocabulario de forma simultánea. Durante la predicción, se debe generar palabra por palabra. -Entrenamiento del modelo: Es esencial entrenar el modelo con una sola muestra antes del conjunto completo para evitar errores. Se muestra un ejemplo de cómo preparar un data set para el entrenamiento. 15:08 Ajustar el input y output es crucial en la fase de inferencia para detener la predicción. El proceso de entrenamiento y validación de un modelo GPT se detalla con ejemplos prácticos. -La importancia de ajustar el input y output para detener la predicción en la fase de inferencia. -Proceso detallado de entrenamiento y validación de un modelo GPT con ejemplos prácticos.

🎉

Hola, Excelente video, muchas gracias, pero que paso con le link al book, ya no funcionan. Gracias.

Que versión de Torchtext se usa en este video?

Al fin alguien que realmente le entiendo. Una explicacion clara y al grano. Gracias. Espero ver una actualización.

Los autobots y Decepticons

Eres muy bueno explicando! Genail muchas gracias por toda la info

¡wow! Bravo, gracias por la explicación

Hola, gran video, una pregunta, hay alguna forma de implementarmo en un chatbot?