El paso a través de una red neuronal que se mueve de la entrada a la salida se denomina paso hacia adelante , y la salida resultante depende de la _______________ en cada conexión dentro de la red.

Después de que todos los puntos de datos en el conjunto de entrenamiento hayan pasado a través de una red neuronal, decimos que _______________ se ha completado.

En la programación de redes neuronales, una época se refiere a un solo paso de todo el conjunto de entrenamiento a través de la red durante el entrenamiento.

Después de calcular la pérdida de una red neuronal, se calcula el gradiente de la función de pérdida con respecto a cada uno de los _______________ dentro de la red.

La palabra gradiente es una palabra elegante para la derivada de una función de varias variables.

Después de haber calculado la pérdida de una sola salida, calculamos el gradiente de esa pérdida con respecto a nuestro peso único elegido. Este cálculo se realiza mediante una técnica llamada _______________.

En la programación de redes neuronales, el negativo del gradiente de la función de pérdida nos permite determinar en qué dirección se moverá la pérdida hacia el mínimo.

En la programación de redes neuronales, la tasa de aprendizaje nos dice qué tan grande será el paso que daremos en la dirección del mínimo cuando se actualicen los pesos de la red.

La siguiente ecuación es una descripción precisa de cómo se actualizan los pesos cuando se entrena una red neuronal.

peso nuevo = peso anterior - (tasa de aprendizaje * gradiente)

En la programación de redes neuronales, la actualización de los pesos es esencialmente lo que queremos decir cuando decimos que el modelo está aprendiendo .

En la programación de redes neuronales, el entrenamiento de un modelo se centra en optimizar _______________ para minimizar la pérdida

Cuando entrenamos una red neuronal, básicamente estamos tratando de resolver el problema _______________.

Cuando entrenamos una red neuronal, nuestra tarea es encontrar los pesos que mapean con mayor precisión los datos de entrada a la clase de salida correcta. Este mapeo es lo que aprende la red .

Después de pasar todos los datos a través de una red neuronal, continuamos pasando los mismos datos una y otra vez. El proceso de enviar repetidamente los mismos datos a través de la red una y otra vez ocurre durante la PREDICCIÓN

El objetivo del optimizador es minimizar la salida de la función de pérdida .

Al final de cada época de entrenamiento de una red neuronal, la pérdida se calcula comparando _______________ del modelo con las etiquetas verdaderas.

Durante el proceso de entrenamiento de una red neuronal, la tasa de aprendizaje determina, en parte, el tamaño de la _______________.

En la programación de redes neuronales, el tamaño de los pasos que damos para alcanzar nuestra pérdida minimizada depende de la _______________.

En la programación de redes neuronales, podemos pensar en la tasa de aprendizaje como un tamaño de paso que se usa en el proceso de entrenamiento.

Para obtener un valor de peso actualizado particular, _______________ el producto del gradiente y la tasa de aprendizaje.

La tasa de aprendizaje es un hiperparámetro .

Al establecer la tasa de aprendizaje en un número alto, corremos el riesgo de sobrepasarnos. Esto ocurre cuando damos un paso que es demasiado pequeño en la dirección de la función de pérdida minimizada y pasamos este mínimo, perdiéndolo.

Para entrenar y probar un modelo de red neuronal, debemos dividir nuestros datos en tres conjuntos de datos distintos. Estos conjuntos de datos consisten en todo lo siguiente, excepto:

_______________ nos permite determinar qué tan bien se está generalizando el modelo durante el entrenamiento.