En artículos pasados hablábamos acerca de Machine learning o Aprendizaje Automático la cual busca como hacer que las máquinas tengan la capacidad de aprender sin la necesidad de ser programado algunas de manera jerarquizada donde las primeras capas aprender las cosas básicas por ejemplo que es un tornillo que es un martillo y las siguientes capas aprenden para que sirven estas herramientas y que se puede hacer con todo esto y así sucesivamente cada vez se añaden mas y mas capas convirtiéndose en algoritmos mas complejos, este incremento de numero de capas en la complejidad es la que hace que estos algoritmos sean conocidos como algoritmos de Deep Learning o aprendizaje profundo.

Nos encontramos en la era de la información con la llegada de la digitalización, hemos entrado en una etapa de almacenamiento de datos lo que se ah denominado Big Data por tanto tenemos que el fenómeno del Big Data hace referencia al acumulamiento de grandes cantidades de datos aunque también se usa para referirse al proceso de análisis de todos estos datos desde el momento en el que los capturas hasta que los transformas en conocimientos para esto se requieren complejas técnicas como por ejemplo técnicas de Deep  Learning estas no son mas que una versión de las redes neuronales una familia de algoritmos de aprendizaje automático que han dado un nuevo resurgir al campo del Machine Learning por tanto al campo de la Inteligencia Artificial.

El cerebro es uno de los órganos más 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 células piramidales corticales, las cuales transmiten señales al cuerpo a través de mil billones de conexiones sinápticas. Una red de neuronas artificial es una herramienta matemática que modela, de forma simplificada, el funcionamiento de las neuronas en el cerebro.

Los usos de estos algoritmos se pueden dividir en cuatro grupos: procesado de texto, reconocimiento de imágenes, reconocimiento de objetos y reconocimiento de voz. Estos algoritmos son de gran importancia en el diseño del software en coches autónomos, detección de caras en las fotos de Facebook, o en el nuevo algoritmo de traducción de Google.
El ejemplo más recurrente a la hora de explicar qué es Deep Learning es el reconocimiento de dígitos escritos a mano. Desde muy temprana edad, a los niños se les enseña a diferenciar los números –un 2 no es igual que un 3, y un 5 nada tiene que ver con un 7– aunque nadie los representa exactamente igual –hay quien riza el 2 en su parte inicial, quien enfatiza los ángulos del 5 y quien parte por la mitad el 7 con una rayita más o menos paralela al renglón sobre el que escribe–.

En efecto, el Deep Learning busca la resolución de problemas que plantea el mundo real. Un enfoque práctico que se lleva a cabo a partir de redes neuronales profundas que imitan el modo de funcionar de nuestro cerebro. 

Si te gusto este articulo no se te olvide dejar tu opinión en nuestra sección de comentarios, síguenos a través de facebook  y no te pierdas nuestros siguientes artículos.