Hysteric-Larva/Taller2_DeepLearning

Taller 2 de Introducción a Redes neuronales.

• Equipo MateNeuronas

• Integrantes:

  Andres Riveros

  Joaquín Silva

  Eric Zepeda

Sitios de interes

• Lo básico sobre optimizadores
• Algunos optimizadores
• Comparativa optimizadores

Parte 1 del taller:

Tema 8. Los optimizadores más populares en deep learning (AdaGrad, RMSProp, Adam y Nadam) funcionan mejor que un simple SGD porque evitan que la red caiga en óptimos locales con alto error de predicción.

• Notebook parte 1 (Resolución empirica)

Respecto a la parte 2 del taller:

Se debe realizar un detector de Fake news. Para esto trataremos el problema como uno de clasificación, pero con la dificultad de que la data esta representada como grafos de propagación de cada mensaje.

• Modelo del Grafo

• Modelo Transformado

• Se transformó el grafo en un arreglo de 2 dimensiones tal que los espacios vacios (de haber) se rellenan con ceros. Este consiste en

Donde A corresponde al total de grafos que se tiene y El largo del grafo i

• En el Dataframe df_relations se hace distinción entre Padre e hijo en cuanto a jerarquia del grafo. Es por ello que se antepone una letra P o C (correspondiente a pade e hijo respectivamente), para identificar las siguientes caracteristicas 'uid':

• Identificador único del usuario en la bse de datos de twitter.

• 'tweet ID': Identificador del twitter.

• 'post time delay (in minutes)': Tiempo transcurrido del twitter en minutos

Note que no se pierde la estructura y de requerirse una limpieza de datos para mejorar la pureza habria que filtrar con pandas aquellos valores de id que sean 0 nomas.

• Modelo NLP (Base)
• Modelo NLP (NNLM)