El llamado Deep Learning es la rama más emocionante y
poderosa del mundo del Machine Learning. Los modelos
de Deep Learning sirven para una gran variedad de
tareas muy complejas
Aprendizaje profundo es un conjunto de algoritmos de aprendizaje
automático que intenta modelar abstracciones de alto nivel en datos
usando arquitecturas computacionales que admiten
transformaciones no lineales múltiples e iterativas de datos
expresados en forma matricial o tensorial.
1. Redes Neuronales Artificiales para problemas de Empresa
2. Redes Neuronales Convolucionales para problemas de Visión por
Computador
• Redes Neuronales Artificiales para problema de Regresión y
Clasificación
• Redes Neuronales Convolucionales para problemas de Visión por
Computador
Que veremos… • Redes Neuronales Recurrentes para el Análisis de Series Temporales
• Mapas Auto Organizados para Extracción de Rasgos
• Máquinas de Boltzmann Profundas para Sistemas de
Recomendación
• Codificadores automáticos para Sistemas de Recomendación
Una aproximación a la percepción humana
Desde los años 50 del siglo pasado y hasta hace muy pocos años el terreno habitual de la
Inteligencia Artificial (IA) avanzada era mayoritariamente el laboratorio de investigación y la
ciencia ficción.
El gran impulso tecnológico al que solemos referirnos bajo el término Big Data ha revolucionado
el entorno empresarial. Las organizaciones sometidas a la necesidad de la transformación digital
se han convertido en criaturas sedientas de cantidades ingentes de datos; y por primera vez en
la historia de la IA existe una demanda generalizada de sistemas con una inteligencia avanzada
Redes Neuronales
Redes Neuronales
Redes Neuronales
Plan de
Deep Learning
Modelo computacional vagamente inspirado en el comportamiento 1
observado en su homólogo biológico
Plan de Ataque
Define la salida de un nodo dada una entrada o un conjunto de 2
entradas.
Estas redes que hacen posible el procesamiento de la información por las máquinas
3
tienen un funcionamiento característico que te explicamos de forma sencilla.
Es un algoritmo de optimización iterativo de primer orden para 4
encontrar un mínimo local de una función diferenciable
LA
Célula del sistema nervioso formada por un núcleo y una serie de
prolongaciones, una de las cuales es más larga que las demás.
La Neurona
(Neuronas Unidas)
La Neurona
(Neuronas Unidas)
Función Escalón
Es una función discontinua cuyo valor es 0 para cualquier argumento
negativo, y 1 para cualquier argumento positivo, incluido el cero
Función de Activación
Función Sigmoide
es una función matemática que tiene una "S" curva o en forma de característica
sigmoide curva . A menudo, la función sigmoide se refiere al caso especial de la
función logística
Función Rectificador
También es conocida como función rampa y es análoga a la rectificación
de media onda en electrónica.
Función de Activación
Función tangente hiperbólica
De un número real se designa mediante y se define como el cociente entre el
seno hiperbólico y el coseno hiperbólico del número real.
La Neurona (Activación)
(Neuronas Unidas)
La Neurona (Activación)
(Neuronas Unidas)
Cómo Aprenden las
1 Disparan valores en las capas de las unidades escondidas y estas llegan
eventualmente a las unidades de salida. Esto se denomina una red de
alimentación hacia adelante.
2 Las unidades ven los valores de las entradas y notan si llegan a un valor
umbral (que es en donde se dispara el estímulo, llamado estímulo
nervioso en las neuronas humanas)
3 Como cuando a un niño se le enseña algo y se le dice si lo ha hecho bien
Creative team o mal. De hecho, todos usamos retroalimentación todo el tiempo.
4 Cuando se practica un tema, es decir, cuando se quiere dominar algo, lo
que hacemos es tratar de hacer las cosas como se nos han dicho que es
la mejor manera de hacerla
¿Cómo aprenden las Redes Neuronales?
¿Cómo aprenden las Redes Neuronales?
Gradiente
El gradiente descendiente es la base de aprendizaje en muchas técnicas de machine
learning. Por ejemplo, es fundamental en deep learning para entrenar redes
neuronales. También es necesario para la regresión logística.
Designer
Gradiente Descendente
Gradiente Descendente
Gradiente Descendente
Gradiente Descendente
• 1,000 x 1,000 x … x 1,000 =
1,00025 = 1075 combinaciones
• Sunway TaihuLight: El Super
Ordenador más potente del
mundo
• 93 PFLOPS
• 93 x 1015
• 1075 / (93 x 1015)
• = 1.08 x 1058 segundos
• = 3.42 x 1050 años
Gradiente Descendente
Gradiente Descendente
Gradiente Descendente Estocástico
Gradiente Descendente Estocástico
Gradiente Descendente Estocástico
Gradiente Descendente
REDES NEURONALES
Una RED NEURONAL CONVOLUCIONAL es un tipo de red neuronal
artificial donde las neuronas corresponden a campos receptivos de
una manera muy similar a las neuronas en la corteza visual primaria
de un cerebro biológico
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
Redes Neuronales Convolucionales
PASO 1.-
PASO 1 - Convolución
PASO 1 - Convolución
PASO 1 - Convolución
PASO 1 - Capa ReLU
PASO 1 - Capa ReLU
PASO 1 - Capa ReLU
PASO 2 - Max Pooling
PASO 2 - Max Pooling
PASO 2 - Max Pooling
PASO 2 - Max Pooling
Nota: [Link]/~aharley/vis/conv/[Link]
PASO 3 - Flattening
PASO 3 - Flattening
PASO 3 - Flattening
PASO 4 - Full Connection
PASO 4 - Full Connection
PASO 4 - Full Connection
PASO 4 - Full Connection
PASO 4 - Full Connection