Deep Learning y Redes Neuronales Artificiales
west

Deep Learning y Redes Neuronales Artificiales

En este post encontrarás que es el deep learning y todo lo que necesitas para poder comprender su funcionamiento y sus utilidades.


Nodd3r
31 de Mayo de 2022 . 5 min
 ...


Antes de nada, si no conoces qué es el machine learning, te invito a que leas el post que subimos anteriormente para poder comprender un poco mejor el contexto en el que nos encontramos, ya que el deep learning o aprendizaje profundo es un subcampo del machine learning.



Después de conocer la base de la que parte, el deep learning está formado por un conjunto de redes neuronales cuyo objetivo final es que la máquina aprenda de su entorno "imitando" el comportamiento del cerebro humano.




¿Cómo una máquina puede imitar el comportamiento del cerebro humano?



Bien, para ello los científicos de datos elaboran redes neuronales artificiales cuyo funcionamiento es muy similar al de las redes neuronales biológicas, es decir, las nuestras. 


Nuestras neuronas están compuestas por tres partes: dendritas, soma y axón, cada una de esas partes de encarga de una función ¿no? Por ejemplo, las dendritas captan los impulsos nerviosos de otras neuronas, el soma lo procesa y lo envía al axón para que este mande otro impulso a las siguientes neuronas. Pues bien, las redes neuronales artificiales funcionan prácticamente igual.



En este caso, el "impulso nervioso" se compone de la suma de las entradas multiplicada por cada uno de sus pesos asociados, el soma sería sustituido por una función de activación que procesa los datos devolviendo y valor que sería el de salida de la neurona.


Tampoco hay que dejar a un lado que al igual que pasa con el cerebro, las redes neuronales artificiales también están interconectadas las unas a las otras. Éstas se agrupan en distintos niveles llamados capas y la información va pasando de una a otra.





Como se ve en la imagen, las capas se pueden clasificar en tres tipos: capa de entrada, capa de salida y capas ocultas. 


  • Capa de entrada: recibe como entrada los datos reales que alimentan la red neuronal.
  • Capa de salida: es el resultado visible de la red neuronal.
  • Capas ocultas: se desconocen tanto los datos que tienen de entrada como de salida. 


¿Cómo es realmente el funcionamiento de una red neuronal artificial?





Como hemos comentado anteriormente, la primera capa recibe los inputs o valores de entrada, las demás recibirán los valores de salida de la capa anterior.


En esta capa, se realiza una suma ponderada de todos los valores de entrada junto con sus pesos formando la matriz W (con tantas filas como neuronas tiene en la capa anterior y tantas columnas como neuronas tiene esa capa).


A ese resultado, se le suma el parámetro bias. Cada neurona tiene el suyo y este se encarga de indicar qué tan predispuesta está la neurona de sacar un valor 1 o 0 independientemente de su peso. 


La función de activación se encarga de que no sólo haya una regresión lineal. Existen múltiples funciones de activación, entre ellas podemos destacar dos: la función Sigmoid y la función ReLu.


La primera es básicamente una función que recibe un valor X y devuelve un valor situado entre el 1 y el 0. Por otro lado, la función ReLu para los valores de entrada negativos devuelve un 0 y para aquellos valores positivos devuelve siempre el mismo valor.


Finalmente, se obtiene el valor de salida y ya sólo quedaría ir ajustando los parámetros para reducir todo lo posible el error que pueda haber entre capa y capa y que así la red neuronal cada vez devuelva resultados más precisos.  


Si lo que te gustaría en realidad es aprender más en profundidad sobre todo lo relacionado con deep learning, machine learning e inteligencia artificial y poder crear redes neuronales funcionales y mucho más, visita la página de Nodd3r.



¿Qué usos tiene el deep learning?



1. Detección de fraudes financieros: los bancos y muchas empresas trabajan a diario para evitar cualquier fraude. Constantemente buscan desarrollar nuevas técnicas de prevención, algunas de ellas basadas en identificar patrones de comportamiento en los clientes para encontrar irregularidades.


2. Reconocimiento del habla: esto nos lo encontramos a diario en los asistentes personales como Siri o Alexa que reconocen la voz de los usuarios a través de los patrones de voz.


3. Sanidad: en este área se utiliza el deep learning para detectar el cáncer, la osteoporosis, trastornos en el habla desde la infancia, alzheimer, etc.


4. Identificación de imágenes: actualmente se está utilizando para la impresión atumática de subtítulos en imágenes y la descripción de escenas.


5. Recomendaciones: permite hacer recomendaciones personalizadas a los usuarios para dar con aquello que le va a gustar. Puedes leer más sobre cómo funciona en este tipo de casos en este post sobre el funcionamiento del algoritmo de Spotify


6. Procesamiento del lenguaje natural: ayuda a descubrir patrones en las quejas de los clientes, notas de médicos o reportes informativos, por ejemplo.


X

¿Quieres recibir el eBook de Conceptos básicos de Data Science?



¡Descargar aquí el eBook en PDF GRATIS!


También te puede interesar





...
¿Merece la pena estudiar Data Science?

Teniendo en cuenta que la ciencia de datos está considerada como una de las ciencias más destacadas de la actualidad, ¿merece la pena estudiar un máster en ciencia de datos? Quédate leyendo este post si quieres saber por qué.

...
TOP 12 IDEAS PROYECTOS DE PYTHON PARA PRINCIPIANTES

¿Quieres empezar a realizar proyectos de Python pero no tienes ideas o simplemente te parecen muy difíciles los proyectos que encuentras?

...
FORMAS FÁCILES DE OBTENER DATOS PARA ENTRENAR MODELOS DE IA Y MACHINE LEARNING

La calidad y cantidad de los datos influye notablemente en los resultados que se obtienen, ¿quieres saber de dónde puedes obtener datos para tus modelos?

...
¿Cuánto gana un Data Scientist?

El salario: Uno de los motivos por los que deberías de aprender Data Science, proyectos de Machine Learning y Deep Learning para convertirte en Data Scientist.

...
Qué son y diferencias entre bases de datos SQL y bases de datos NoSQL

Aquí encontrarás unas breves pinceladas sobre qué son verdaderamente las bases de datos y qué tipos hay, además de las diferencias entre las bases de datos SQL y NoSQL.

...
Keras vs TensorFlow vs PyTorch: Diferencias clave entre frameworks de Deep Learning

En las últimas décadas, el Deep Learning está ganando popularidad.

...
Ventajas de aprender a programar en Python

A día de hoy, Python es el lenguaje de programación más usado. Si aún estás dudando de sus múltiples ventajas, en este post encontrarás algunas de las razones por las que deberías aprender a programar en Python

...
¿Cómo elegir el mejor modelo de machine learning?

Si estás pensando en crear un proyecto de machine learning, tienes que tener en cuenta que no siempre tener un modelo con mejor rendimiento será tu mejor solución.

...
Test de Turing

Qué es, cómo funciona y limitaciones del Test de Turing

...
Tipos de redes neuronales

El futuro de la Inteligencia Artificial ha llegado.

...
Underfitting vs Overfitting

Qué es, causas, cómo detectarlo y solucionarlo

...
Data Science: qué es, qué se hace, qué se necesita y aplicaciones

Descubre qué es la ciencia de datos, para qué sirve y qué salidas tiene

...
Chatbot: ¿Qué es, para qué sirve y qué tipos existen?

Un chatbot es mucho más que un servicio de mensajería automática, pero... ¿sabes todo lo necesario sobre ellos?

...
¿Cómo funciona el algoritmo y el sistema de recomendación de Spotify?

¿Quieres saber cómo funciona el algoritmo de recomendación de Spotify? Descubre los tres modelos en los que se apoya su sistema de recomendación: Modelo de Filtrado Colaborativo, Modelo de Procesamiento del Lenguaje Natural y Modelo de Audio Sin Procesar

...
Errores más comunes en Python

Si quieres aprender a programar en Python o ya has empezado y quieres conocer los errores más comunes que se cometen, te invitamos a que leas este post.

...
¿Cómo hacer un proyecto de Data Science de forma eficiente?

En el post de hoy te vamos a dar algunos consejos para que puedas sacar el máximo partido a tu tiempo mientras desarrollas un proyecto de Data Science.

...
¿Qué es Git?

¿Conoces Git? ¿Sabes lo que es un sistema de control de versiones? Si te gusta la programación, desarrollar tus propios proyectos, el desarrollo de software, etc. seguro que has leído algo sobre Git. Hoy te contamos todos los detalles acerca de esta herramienta.

...
¿Por qué se utiliza Python en Data Science?

Si quieres saber a qué se debe la alta demanda de Python en Data Science y cómo se utiliza, no te pierdas esta nueva entrada a nuestro blog.

...
Cómo usa Netflix la Inteligencia Artificial para recomendar series

A través de su algoritmo de recomendación Netflix predice qué contenidos te van a gustar. Si quieres saber cómo funciona no te pierdas este blog.

...
Los 10 mejores proyectos de Machine Learning si eres Principiante

¿Quieres descubrir qué proyectos reales de Machine Learning puedes hacer si eres principiante?¿Quieres aplicar tus conocimientos de Machine Learning? ¿No sabes por dónde empezar? En el post de hoy te contamos 10 proyectos de ML que puedes hacer si eres principiante.

...
¿Cuál es la diferencia entre la Inteligencia Artificial y el Machine Learning?

¿Son la Inteligencia Artificial y el Machine Learning lo mismo? Si son dos conceptos distintos, ¿de qué forma están relacionados? Estas son algunas de las preguntas que mucha gente se hace, en el post de hoy veremos las diferencias entre ambos y la relación que tienen.

...
¿Qué es Inteligencia Artificial?

En este post hablamos un poco de la historia de la inteligencia artificial, qué es, los tipos que hay, sus aplicaciones y sus ventajas e inconvenientes.

...
¿Cómo aplicar Data Science en áreas como Marketing, Biología, Justicia y Arqueología?

El uso de la ciencia de datos está muy extendido, en el blog de hoy vamos a ver cómo podemos usarla en distintas áreas.

...
Deep Learning y Redes Neuronales Artificiales

En este post encontrarás que es el deep learning y todo lo que necesitas para poder comprender su funcionamiento y sus utilidades.

...
Historia del Data Science

En este post hacemos un repaso por la historia de la Ciencia de Datos, cómo surgió y cómo fue evolucionando.

...
¿Qué es el Machine Learning y qué aplicaciones tiene?

En este post vamos a hablar sobre Machine Learning, qué es y cuáles son algunas de sus aplicaciones.

...
¿Cómo el data science y el big data puede ayudar a tu negocio?

En este post vamos a hablar sobre cómo la ciencia de datos puede ayudar a mejorar un negocio.

...
¿Qué se necesita saber para ser Data Scientist?

En este post te hacemos un resumen sobre los conocimientos necesarios para trabajar como científico de datos.

...
¿Por qué estudiar Data Science?

En este post, te damos las claves de la importancia de estudiar ciencia de datos.

...
¿Cómo proteger nuestros datos?

En este post, te dejamos alguna información y trucos que puedes hacer para proteger mejor tus datos

...
¿Qué es Data Science?

Si no sabes lo que es la la ciencia de datos, ni para qué sirve, te lo contamos en este post.

...
¡Bienvenidos Nodd3rs!

¡Bienvenidos a nuestro blog!

whatsapp