Aprendizaje Automático Aplicado e IA para Ingenieros

Capítulo 8. Aprendizaje profundo

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Cada modelo de la Parte I de este libro empleaba algoritmos clásicos de aprendizaje automático que forman el núcleo del propio ML: regresión logística, bosques aleatorios, etc. Estos modelos suelen denominarse modelos tradicionales de aprendizaje automático para diferenciarlos de los modelos de aprendizaje profundo. Recuerda del Capítulo 1 que el aprendizaje profundo es un subconjunto del aprendizaje automático que se basa principalmente en redes neuronales, y que la mayor parte de lo que hoy se considera IA se consigue con el aprendizaje profundo. Desde el reconocimiento de objetos en fotos a la traducción de voz en tiempo real, pasando por el uso de ordenadores para generar arte, música, poesía y rostros fotorrealistas, el aprendizaje profundo permite a los ordenadores realizar proezas que el aprendizaje automático tradicional no consigue.

A menudo presento el aprendizaje profundo a los desarrolladores de software retándoles a idear un medio algorítmico para determinar si una foto contiene un perro. Si ofrecen una solución, les respondo con una foto de un perro que frustra el algoritmo. Los modelos tradicionales de ML pueden resolver parcialmente el problema, pero cuando se trata de reconocer objetos en imágenes, el aprendizaje profundo representa el estado del arte. No es terriblemente difícil entrenar una red neuronal para que ...