Los modelos computacionales de Deep Learning imitan las características neuronales del cerebro humano, mediante una herramienta matemática, de la siguiente manera: las neuronas están organizadas en capas, donde la capa de entrada es la que recibe la información, la siguiente capa es la oculta que contiene cálculos intermedios de la red (a más capas ocultas, más compleja es la red y mejores resultados predice, pero también es más difícil crear el modelo), y la capa de salida, en esta capa podemos encontrar los resultados. Cada red neuronal tiene una función específica, esto es, cada neurona (realmente cada capa) es experta en una sola característica (entrada).

 

Existen diferentes arquitecturas de redes de neuronas artificiales, por ejemplo: la máquina de Boltzmann restringida (RBM), la red de creencia profunda (DBN), las redes de neuronas convolutivas (CNN), y las redes de neuronas recurrentes (RNN).

 

 

Es decir, Deep Learning emplea los datos que conoce para tomar decisiones sobre datos nuevos. Por eso es la tecnología más similar al funcionamiento cerebral humano.

 

Las principales aplicaciones del Deep Learning son:

  • Procesado de texto
  • Reconocimiento de imágenes
  • Reconocimiento de objetos
  • Reconocimiento de voz.
  • etc

Los algoritmos utilizados en estas aplicaciones son esenciales en el diseño del software por ejemplo en coches autónomos (les permite “saber” por dónde circulan o reconocer los obstáculos que tienen delante), detección de caras en las fotos de Facebook o en algoritmos de traducción, Google emplea Deep Learning en sus algoritmos de reconocimiento de voz e imagen.

 

¿Quieres intentar crear tus propios modelos de redes neuronales? Pues existen plataformas en las cuales puedes aplicar algoritmos, por ejemplo, de procesado de texto o reconocimiento de objetos de una manera relativamente sencilla, como por ejemplo H20.ai. Otra opción considerable es utilizar librerías como Theano, Caffe, Torch o TensorFlow (la cual se puede implementar en Python y R) por ejemplo.

Según el ciclo de Gartner para tecnologías emergentes 2017, el deep learning es y será una de las áreas que necesitará más demanda de profesionales durante los próximos 2-5 años.

 

 

Autor: Manuel Tohe

Deja un comentario