Deep Learning222

More like this

COMO ORGANIZAR LAS HERRAMIENTAS TIC

by Angela Mabel Mora Hortua

REDES SOCIALES EN LA EDUCACIÓN

by LOURDES LOPEZ G.

Arquitectura Multiprocesador

by Claudio Honores

Marketing y Comunicación

by alejandra canizales

Deep Learning

Redes Neuronales

Modelos Usados dentro de las Redes Neuronales Los siguientes Modelos son empleados dentro de las redes neuronales para facilitar su aprendizaje y lograr su funcionamiento optimo.

Modelo de Reducción de Dimensión.

Los algoritmos de reducción de dimensión cumplen de forma específica con la reducción del número de variables que deben considerarse para lograr una solución concreta. Estos algoritmos ayudan a mejorar la eficiencia de los procesos.

Modelo de Agrupación

Se utilizan en el aprendizaje no supervisado, y sirven para categorizar datos no etiquetados, es decir, datos sin categorías o grupos definidos. El algoritmo funciona mediante la búsqueda de grupos dentro de los datos, con el número de grupos representados por la variable K.

Modelo de árbol de decisión

Los arboles de decisión son implementados como algoritmos de machine learning debido a que al ser similares a un diagrama de flujo, utilizan un método determinado de cruce para representar los posibles resultados que ocasionaría la toma de una decisión.

EJEMPLOS DE USO Creación de sistemas que aprendan de los usuarios para crear experiencias optimizadas y mejores como en sistemas bancarios o predecir compras dentro de paginas tales como Amazon.

Estos comprenden unidades dispuestas en capas. Cada una de estas capas posee una conexión con las capas anexas. Su funcionamiento pretende emular el comportamiento de procesamiento de información del cerebro humano. Todos estos elementos de procesamiento de datos están íntimamente interconectados y trabajan de forma conjunta para darle solución a los problemas específicos que deban analizar.

Desventajas: Complejidad de aprendizaje para grandes tareas, cuanto más cosas se necesiten que aprenda una red, mas complicado será enseñarle. Tiempo de aprendizaje elevado. No permite interpretar lo que se ha aprendido, la red por si sola proporciona una salida, un número, que no puede ser interpretado por ella misma, sino que se requiere de la intervención del programador

VENTAJAS Y DESVENTAJAS Ventajas: Las redes neuronales artificiales (RNA) tienen muchas ventajas tales como entrada a su vez que se le indica cuál es la salida (respuesta) esperada. Estos crean su propia representación de la información en su interior, descargando al usuario de esto. Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.

El deep learning es una rama dentro de machine learning que entrena a una computadora para que realice tareas como las hacemos los seres humanos, como el reconocimiento del habla, la identificación de imágenes o hacer predicciones.