Qu es el deep learning?

El cerebro es uno de los rganos ms complejos y vitales del ser humano. Se ha

estimado que el cerebro humano contiene de cincuenta a cien mil millones de
neuronas, de las cuales cerca de diez mil millones son clulas piramidales
corticales, las cuales transmiten seales al cuerpo a travs de mil billones de
conexiones sinpticas.

SEGURO QUE TE INTERESA...

Cunto sabes sobre el cerebro?

Las mquinas estn empezando a utilizar el 'cerebro', muy parecido al del ser
humano. Una red de neuronas artificial es una herramienta matemtica que
modela, de forma simplificada, el funcionamiento de las neuronas en el cerebro.
La arquitectura es la siguiente: las neuronas se organizan en capas, donde las
neuronas verdes son las entradas que reciben la informacin, las azules son las
ocultas, que contienen clculos intermedios de la red, y las amarillas son las
salidas que contienen el resultado. Normalmente hay una capa de entrada, una de
salida y varias ocultas. A ms capas ocultas, ms compleja es la red y mejores
resultados predice, pero tambin es ms difcil crear el modelo.

Todas las neuronas contienen un nmero llamado bias que indica su importancia
en la red, adems todas estn conectadas entre s y contienen un peso que indica
la importancia de la conexin. La operacin en la red de neuronas sera sencilla si
no fuera por la funcin activacin, la cual recibe como entrada la suma de todos
los nmeros que llegan por las conexiones anteriores, transforma el valor
mediante una frmula, y produce un nuevo nmero. La misin de esta funcin
activacin es mantener los nmeros producidos por cada neurona dentro de un
rango razonable.

Existen diferentes arquitecturas de redes de neuronas diferentes, entre las

principales tenemos: la mquina de Boltzmann restringida (RBM), la red de
creencia profunda (DBN), las redes de neuronas convolutivas (CNN), y las redes
de neuronas recurrentes (RNN).
Deep learning: aplicaciones
Los usos de estos algoritmos se pueden dividir en cuatro grupos: procesado de
texto, reconocimiento de imgenes, reconocimiento de objetos y
reconocimiento de voz. Estos algoritmos son de gran importancia en el diseo
del software en coches autnomos, deteccin de caras en las fotos de Facebook,
o en el nuevo algoritmo de traduccin de Google.

Si ests interesado en crear tus propios modelos de redes de neuronas, una

alternativa es utilizar una plataforma como H20.ai o Dato. En ellas se pueden
aplicar diversos algoritmos de procesado de texto o de reconocimiento de
objetos de manera relativamente sencilla. La otra alternativa es utilizar libreras
como Theano, Deeplearning4j, Torch o Caffe. Aunque mi alternativa preferida para
trabajar con redes de neuronas es la librera de Google, TensorFlow, la cual puede
ser implementada en Python.

Segn el ciclo de Gartner para tecnologas emergentes, el aprendizaje profundo

de mquinas (deep learning) es y ser durante los prximos aos una de las
reas que necesitar ms demanda de profesionales.