Translations:Neural Networks/24/es

1. Definir una función de pérdida: una medida de cuán lejos están las predicciones de la red de los objetivos verdaderos (véase Loss Functions).
2. Pase hacia adelante (forward pass): calcular la salida de la red para una entrada dada propagando los valores capa por capa.
3. Pase hacia atrás (backpropagation): calcular el gradiente de la pérdida con respecto a cada peso aplicando la regla de la cadena en sentido inverso a través de la red (véase Backpropagation).
4. Actualización de parámetros: ajustar los pesos usando un algoritmo de optimización como Gradient Descent o alguna de sus variantes.
5. Iteración: repetir los pasos 2–4 a lo largo de muchas pasadas (épocas) por los datos de entrenamiento.