Descubre qué se puede hacer con Deep Learning

Autor: | Última modificación: 13 de enero de 2022 | Tiempo de Lectura: 3 minutos
Temas en este post:

¿Te suenan temas como el Machine Learning, las redes neuronales? ¿y el Deep Learning? Si tienes experiencia o quieres profundizar en el tema, estás en el lugar adecuado. Hace unos meses compartimos un webinar con Félix Fuentes, doctorado en Inteligencia Artificial, docente especialista en este campo e investigador en BeautyLabs Ltd, quien nos ha enseñado todo acerca de Deep Learning y nos ha mostrado el alcance de las cosas se pueden hacer en esta materia. 

deep-learning-brain

¿Qué es el Deep Learning

El deep learning o Aprendizaje profundo (en español) es un tipo de machine learning que entrena a una computadora para que realice tareas como las hacemos los seres humanos, como el reconocimiento del habla, la identificación de imágenes o hacer predicciones.

En lugar de organizar datos para que se ejecuten a través de ecuaciones predefinidas, el deep learning configura parámetros básicos acerca de los datos y entrena a la computadora para que aprenda por cuenta propia reconociendo patrones mediante el uso de muchas capas de procesamiento.

Es una disciplina que se engloba dentro de la Inteligencia Artificial y que presenta dos necesidades: 

  • Datos: tienen que ser cientos de miles. Pueden ser numéricos, imágenes, vídeos, series temporales, etc. No es necesario que se extraiga ninguna característica.
  • Modelo: es profundo, transforma los datos de un espacio a otro hasta encontrar una representación adecuada de los mismos.

¿En qué se diferenciavel Deep Learning del Machine Learning? 

La gran diferencia es la profundidad (complejidad) de los modelos y el número de datos requeridos. A cambio de esa complejidad añadida, permite no tener que pensar las características (features) a extraer de los datos para introducirlas al modelo: lo hace el modelo automáticamente, a costa de disponer de muchos más datos. 

¿Qué podemos hacer hoy en día con Deep Learning

  • Predecir/clasificar nuevos elementos del tipo que sea, teniendo un conjunto de entrenamiento (con MLPs, CNNs): regresión y clasificación 
  • Predecir eventos futuros teniendo un histórico (con RNNs). 
  • Entender textos y analizarlos: traducción, comprensión, generación, etc. (con NLP).
  • Detección de objetos en tiempo real (con R-CNN, SSD, YoLo, etc.).
  • Restauración y edición de fotos (con GANs). 
  • Aprender a realizar tareas viendo cómo se realizan (aprendizaje por refuerzo). 

Conceptos clave

Los modelos necesitan gran cantidad de datos para ser capaces de funcionar y son matrices de millones de parámetros que ejecutan operaciones matemáticas sobre la entrada. 

Usan los datos para ajustar sus parámetros (entrenamiento): 

  • Se introduce una instancia al modelo. 
  • El modelo da la predicción de acuerdo a sus parámetros en ese momento.
  • El modelo comprueba si la predicción es acertada o no: si no lo es, modifica sus parámetros más o menos, dependiendo del error cometido.
  • Tras muchas iteraciones, los parámetros tienen los valores adecuados para dar una buena predicción. 

Las operaciones ejecutadas cambian los datos de “espacio de representación”. Esta es la auténtica clave. 

Para mostrarnos todas estas posibilidades y mucho más de manera más visual, Félix ha realizado en el webinar un ejercicio práctico de deep learning, desarrollando un detector de mascarillas, puedes verlo en este video de Youtube.

Si estás pensando dar tus primeros pasos en el mundo del Big Data, la Inteligencia artificial o el Machine Learning, o necesitas simplemente refrescar tu perfil profesional, te animamos a que conozcas nuestro Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp, allí podrás aprender todo lo que necesitas para convertirte en un profesional en el área.

[email protected]