Cómo aprenden realmente los modelos, del descenso por gradiente básico a Adam
Los hiperparámetros son decisiones de entrenamiento que se fijan fuera de los parámetros aprendidos: la tasa de aprendizaje, el tamaño de lote, la decadencia de pesos, la duración del calentamiento, el dropout, el ancho del modelo, y muchos otros.
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Búsqueda de Hiperparámetros