2024-03-29T08:29:35Zhttps://repositori.uji.es/oai/requestoai:repositori.uji.es:10234/1783462019-11-18T14:01:14Zcom_10234_71324com_10234_158176col_10234_97526
Repositori UJI
author
Ros Gómez, Ignacio
other
Gregori, Pablo
other
Universitat Jaume I. Departament de Matemàtiques
other
García Llorens, Alejandro
2018-12-21T12:32:38Z
2018-12-21T12:32:38Z
2018-10
http://hdl.handle.net/10234/178346
Este trabajo trata de ser una introducción al concepto de Machine Learning y algunos
conceptos derivados a partir de éste, con el fin de poder implementar una red neuronal en el
lenguaje Python y comprender las partes que forman esta red.
El trabajo se divide en dos partes. Una primera parte dedicada a la estancia en prácticas en
la Sección de Control de Procesos Operativos de la Refinería de BP en Castellón, así como una
descripci´on de la empresa y los trabajos en los que he estado involucrado.
La segunda parte introducirá, por un lado, los conceptos teóricos del Machine Learning,
junto con varios ejemplos de uso, problemas que pueden surgir y cómo subsanarlos, y tipos
de algoritmos de aprendizaje. Estos contenidos se han extra´ıdo principalmente de [2]. Por otro
lado, se tratará de explicar detalladamente cómo implementar una red neuronal en Python y
un breve ejemplo de reconocimiento de escritura de dígitos. Esta parte está basada en la página
web [3] y en los vídeos [1].
spa
Grau en Matemàtica Computacional
Grado en Matemática Computacional
Bachelor's Degree in Computational Mathematics
redes neuronales
aprendizaje supervisado
propagación hacia atrás
aprendizaje máquina
neural networks
supervised learning
backward propagation
machine learning
Introducción al aprendizaje supervisado e implementación de una red neuronal en Python
info:eu-repo/semantics/bachelorThesis
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
URL
https://repositori.uji.es/xmlui/bitstream/10234/178346/1/TFG_IRG.pdf
File
MD5
fb016aa97b9be640075a2e5baa8dda7d
398505
application/pdf
TFG_IRG.pdf
URL
https://repositori.uji.es/xmlui/bitstream/10234/178346/3/TFG_IRG.pdf.txt
File
MD5
79d20ac49c8ee543c7ec3028833f5656
91866
text/plain
TFG_IRG.pdf.txt