Hoy vamos a hablar del paper más influyente de los últimos años en AI: "Attention is All You Need". Este paper de 2017 introdujo el Transformer, la arquitectura detrás de GPT, BERT, ChatGPT, y prácticamente todo modelo de lenguaje moderno. Es, sin exagerar, uno de los papers más importantes en la historia del machine learning.

Hoy vamos a hablar de ResNet, un paper que resolvió uno de los misterios más frustrantes del deep learning: ¿Por qué las redes más profundas a veces funcionan PEOR que las menos profundas? La solución fue tan elegante y efectiva que cambió la forma en que construimos redes neuronales para siempre.

Hoy vamos con GPipe, un paper que resolvió uno de los problemas más prácticos del deep learning: ¿Cómo entrenas modelos que son demasiado grandes para caber en una sola GPU? La respuesta: Pipeline parallelism con micro-batches. Suena técnico, pero es una idea elegante que permitió entrenar modelos de 6 mil millones de parámetros.

Hoy vamos a hablar de un paper que aborda una pregunta aparentemente simple pero profunda: ¿Importa el orden en que le das datos a una red neuronal? La respuesta sorprendente es: ¡SÍ, mucho! Y este paper de Oriol Vinyals, Samy Bengio y Manjunath Kudlur muestra cómo manejar eso cuando tus datos son naturalmente desordenados (como sets).

En este episodio vamos a hablar de un paper que literalmente cambió el mundo del machine learning. AlexNet, publicado en 2012, marcó el inicio de la revolución del deep learning. Antes de este paper, las redes neuronales profundas eran consideradas difíciles de entrenar y poco prácticas. Después de AlexNet, todo cambió.

Hoy vamos a hablar sobre Pointer Networks, un paper que resolvió un problema fundamental que las arquitecturas seq2seq tradicionales no podían manejar. Este paper es del mismo Oriol Vinyals que vimos en episodios anteriores, y muestra una idea brillantemente simple pero poderosa.

Hoy vamos con un paper fundamental de 1993 escrito por Geoffrey Hinton (sí, ¡el padrino del deep learning!). Este paper conecta teoría de información, estadística bayesiana y redes neuronales de una forma elegante. Aunque es de 1993, sus ideas siguen siendo super relevantes hoy.

Hoy traemos un paper que resolvió uno de los problemas más frustrantes al trabajar con RNNs y LSTMs: ¿cómo evitar el overfitting? La técnica de regularización más exitosa para redes feedforward (dropout) simplemente NO funcionaba en RNNs. Este paper de 2014 por Wojciech Zaremba, Ilya Sutskever y Oriol Vinyals mostró por qué, y cómo arreglarlo.

Hoy vamos a profundizar en QUÉ son exactamente las LSTMs y POR QUÉ funcionan tan bien. Basado en un post de Christopher Olah publicado en el 2015. Siendo este post es uno de los más citados en la historia del deep learning, por sus explicaciones claras y sus increíbles diagramas.

Segundo episodio, segundo post de los 30 sugeridos por Ilya Sutskever.

Exploramos el articulo de Andrej Karpathy, sobre Redes Neuronales Recurrentes o Recurrent Neural Networks (RNNs), titulado The Unreasonable Effectiveness of Recurrent Neural Networks.

Este post, publicado en 2015, demostró de forma espectacular lo que las RNNs podían hacer, y cambió la forma en que muchos pensamos sobre el procesamiento de secuencias.