¿Deep Learning? ¿Qué es y porqué está de moda?

Primero indicar que no  soy un experto en la materia, aunque estoy trabajando intensamente en este campo del aprendizaje por computador o mas communmente llamado Machine Learning.

En la actualidad todo aquel que esté relacionado con las nuevas tecnologías habrá oido mucho del “Deep Learning”, pero que es realmente el “Deep Learning”

¿Qué es Deep Learning?

Básicamente es un conjunto de algoritmos de aprendizaje que usan técnicas de Redes neuronales y que en cada capa extran y procesan información útil para una siguiente capa de forma que es capaz de obtener como resultado un aprendizaje minucioso de la información de entrada y poder extraer conclusiones relevantes. De esta forma queda muy “simple” y escueta esta definición pero realmente como su nombre indica es un aprendizaje profundo, aprendizaje porque en cada nueva capa el algoritmo aprende una nueva o nuevas caracteristicas de la entrada, y profundo porque cuantas mas capas, posiblmenten mas información se obtenga (aunque no siempre es así).

Como pequeño ejemplo imaginemos que necesitamos reconocer las emociones de rostros faciales, por ello se etiquetan miles de imagenes como felicidad, tristeza, miedo y sorpresa y se crea 3 capas ocultas del deep learning con diferentes algorithmos y autoencoderes, dando como resultado una capa final con las emociones predominante.

Para obtener mas información de qué es el Deep Learning  podeis visitar:

Que es y como funciona el deep learning de Ruben Lopez, donde explica de una forma muy simple, detallada e intuitiva dicho concepto.
Aprendizaje profundo en la wikipedia

Este concepto viene muy de moda desde aproximadamente el 2014, pero ¿Realmente es un concepto tan nuevo y reciente?

Pequeña historia del Deep Learning

Como la mayoria de personas terrenales, consideramos que el deep learning es un concepto bastante actual, pero realmente es un concepto de moda bastante antiguo en lo que se considera nuevas tecnologías, ya que las primeras referencias de “Deep Learning” se remontan a 1965 cuando Ivakhnenko publico un articulo bajo el nombre “Cybernetic Predicting Devices” hablando sobre algoritmos supervisados de redes neuronales multicapa profundos. A partir de este momento muchos estudios han trabajado sobre este campo, pero hubo un momento en que se dejo de estudiar porque otros algoritmos de redes neuronales funcionaban con mejores resultados que el Deep Learning ya que el tiempo de aprendizaje era excesivo y obtenian resultados razonables, mientras que otros en menor tiempo obtenia mejores resultados.

Pero, ¿porqué ahora son mejores?, pues gracias a las nuevas arquitecturas hardware, paralelizablesy con mayor computo como por ejemplo las tarjetas NVIDIA con las librerias nativas CUDA, han echo posible que lo que antes era un tiempo de aprendizaje excesivo (años o mas) pueda ser reducidos a tiempos muy razonables (dias…) creando redes nueronales de deep learning mucho mas grandes, con muchos mas datos y complejas. También gracias a las nuevas bases de datos etiquetadas que han aumentado en tamaño, ya que para entrenar un algoritmo de deeplearning no es suficiente una pequeña base de datos de 100 o 200 elementos, sino cuanto mas mejor… por ejemplo IMAGENET usa bases de datos de 60658 imagenes etiquetadas con mas de 132953 anotaciones.

Ejemplo de imagen etiquetada de Imagenet

¿Por donde empezar con Deep Learning?

Principalmente recomiendo empezar si no tienes conocimientos de Machine Learning por el curso de Aprendizaje Automatico del profesor Andrew NG de Standford en la plataforma cursera
Posteriormente el curso de Deep Learning ofrecido por Google en la plataforma Udacity

Las principales herramientas de trabajo para empezar son:


Suscribirse a comentarios Comentarios | Trackback |

Comentarios ( 1 Comentario )

¡Enhorabuena!
Un buen resumen sobre aprendizaje profundo.
Parece que ahora es un tema de actualidad y hay muchas noticias sobre esta tecnología.

Yo traduzco posts de inglés a español sobre estos temas en el blog que te he dejado como referencia.

Muchas gracias.

Cordialmente

Francisco

Francisco enviado el 08/03/17 23:45

Enviar comentario


XHTML: Puede utiliza las etiquetas: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*


Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies