Tomé este curso en 2013, es un buen curso de introducción al aprendizaje automático, cubre los conceptos básicos de regresión, SVM, redes neutrales (NN) y otros algoritmos introductorios.
Si está comenzando con el aprendizaje automático, le recomendaré este curso junto con estas notas: Aprendizaje automático (folletos del curso) (notas CS229 de Stanford, impartidas por el propio Andrew NG)
En cuanto a su pregunta, este curso tiene dos semanas dedicadas a las redes neuronales (semana 4 y 5). Comienza con la introducción del perceptrón (el componente básico de los NN) y cubre la intuición detrás de ellos, la inicialización del peso, el algoritmo de propagación hacia atrás (el algoritmo de entrenamiento con pesas), un poco de ajuste de hiperparámetros y algunos ejemplos prácticos. También lo alienta a codificar NN desde cero en Octave. En general, es un buen curso si tiene suficiente tiempo para sentarse a través de las video conferencias.
- ¿Cómo pudo la policía de Arizona llegar a una conclusión tan rápida que el auto Uber que se volcó no fue el culpable?
- En Tensorflow: ¿qué tipo de red neuronal debo usar?
- ¿Cuál es el futuro del aprendizaje de refuerzo profundo? ¿Es una buena idea comenzar un doctorado ahora trabajando en ataques adversos en sistemas RL?
- ¿Cuál es el mejor enfoque para abordar la compensación de exploración / explotación en los sistemas de recomendación?
- ¿Hay algún ejemplo de código de agrupación de documentos utilizando PCA o Autoencoder o algún otro algoritmo de agrupación?
Si recién está comenzando con Machine Learning y desea saltar directamente a las Redes neuronales, le sugiero que lea el siguiente material: Redes neuronales y aprendizaje profundo.