Aprendizaje Automático Aplicado e IA para Ingenieros

Capítulo 9. Redes neuronales

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

Máquina el aprendizaje no es difícil cuando tienes un conjunto de datos adecuadamente diseñado con el que trabajar. La razón de que no sea difícil son bibliotecas como Scikit-Learn y ML.NET, que reducen los complejos algoritmos de aprendizaje a unas pocas líneas de código. El aprendizaje profundo tampoco es difícil, gracias a bibliotecas como Microsoft Cognitive Toolkit (CNTK), Theano y PyTorch. Pero la biblioteca con la que la mayoría del mundo se ha conformado para construir redes neuronales es TensorFlow, un marco de código abierto creado por Google que se publicó bajo la Licencia Apache 2.0 en 2015.

TensorFlow no se limita a construir redes neuronales. Es un marco para realizar operaciones matemáticas rápidas a escala utilizando tensores, que son matrices generalizadas. Los tensores pueden representar valores escalares (tensores de 0 dimensiones), vectores (tensores de 1D), matrices (tensores de 2D), etc. Una red neuronal es básicamente un flujo de trabajo para transformar tensores. El perceptrón de tres capas que aparece en el Capítulo 8 toma como entrada un tensor 1D que contiene dos valores, lo transforma en un tensor 1D que contiene tres valores y produce como salida un tensor 0D. TensorFlow te permite definir grafos dirigidos que, a su vez, definen cómo se calculan los tensores. Y, a diferencia de Scikit, es compatible con las ...