DEPP LEARNING - DESCRIPCIÓN Y EJEMPLOS

IA

1. DEPP LEARNING

2. •Deep Learning(Aprendizaje Profundo)es una rama de la Inteligencia
Artificial (IA)y del aprendizaje automático (Machine Learning)que
utiliza redes neuronales artificiales con múltiples capaspara
aprender patrones complejosa partir de grandes volúmenes de
datos.
•En pocas palabras: es una técnica que intenta imitar cómo aprende el
cerebro humano, pero aplicada en sistemas computacionales.

3. Características principales del Deep Learning
•Usa redes neuronales profundas
•Una red neuronal profunda tiene muchas capas ocultas(no solo una como en las redes
neuronales tradicionales).
•Cada capa transforma los datos y extrae características más abstractas.
•Aprendizaje automático sin tanta intervención humana
•A diferencia del Machine Learning tradicional, que requiere diseñar manualmente las
variables (features), el Deep Learning aprende solo qué características son
importantes.
•Gran necesidad de datos y poder de cómputo
•Funciona mejor con grandes volúmenes de datos (Big Data).
•Requiere GPU y hardware especializado para entrenar modelos.
•Capacidad para tareas complejas
•Reconocimiento de imágenes
•Procesamiento de lenguaje natural (traducción, chatbots)
•Reconocimiento de voz
•Vehículos autónomos

4. •Ejemplo sencillo de funcionamiento
•Supongamos que queremos entrenar un modelo para reconocer un
gato en una imagen:
1.La primera capa detecta bordes y colores.
2.La segunda capa detecta formas (ojos, orejas, patas).
3.La tercera capa detecta la combinación de esas formas.
4.La última capa concluye: “Esto es un gato”con cierta probabilidad.

5. Relación con IA y Machine Learning
•Inteligencia Artificial (IA):Ciencia general que busca máquinas inteligentes.
•Machine Learning(ML):Subconjunto de la IA, donde las máquinas aprenden de los datos.
•Deep Learning(DL):Subconjunto del ML, que usa redes neuronales profundas.
Jerarquía:
IA ⟶Machine Learning⟶Deep Learning