Glosario Deep Learning

El Deep Learning es una parte muy importante de la inteligencia artificial que busca un funcionamiento similar al del cerebro humano. Es decir, su objetivo es que las máquinas puedan “aprender” tal y como lo hacen los humanos. A continuación te mostramos un glosario Deep Learning para que tengas claros algunos de los términos más utilizados antes de formarte en KSchool en el curso de Especialización en Deep Learning que ofrecen en streaming.

Glosario Deep Learning

A continuación te mostramos un glosario con términos Deep Learning que deberías conocer para poder introducirte en este mundo.

Aprendizaje no supervisado

Así se conoce al proceso de entrenamiento de un algoritmo de inteligencia artificial. La información que utiliza no está etiquetada ni clasificada, por lo que se permite su actuación sobre la misma sin ningún tipo de guion.

Backpropagatio

Su significado es “backward pnropagation of errors” y es el algoritmo utilizado para el aprendizaje supervisado de redes neuronales artificiales. Estos usan gradiente de descendencia que funciona una vez aportada a cada red neuronal artificial una función de error. El método se encarga de calcular el gradiente de la función de error tomando como referencia los pesos de la red neuronal.

Clustering

Se trata de una técnica de aprendizaje automático no supervisada. Funciona por agrupación de identidades parecidas que buscan similitudes en el punto de datos, a continuación agruparan los diferentes puntos de datos que sean similares entre ellos.

Distribución gaussiana

Se trata de una distribución de probabilidad continua. También se la conoce como distribución normal ya que representa la probabilidad de que cualquier observación que se haya producido pueda ocurrir en diferentes puntos de un rango.

Embedding

Es una codificación o representación de entrada. Lo que se busca con ello es formar incrustaciones de palabras para predecir así el contexto de una de ellas de manera individual. En este sentido, también se pueden utilizar imágenes, sonidos y series de tiempo.

GPU

Se trata de una unidad de procesamiento de gráficos que es capaz de reproducir este tipo de contenidos en un dispositivo electrónico. Es la encargada de hacer que los usuarios disfruten de gráficos de buena calidad en juegos y vídeos.

Inteligencia artificial

Se trata de una de las partes esenciales de la industria tecnológica actual. Es un área de la informática cuyo objetivo es el de la creación de máquinas inteligentes que sean capaces de reaccionar y funcionar como los seres humanos.

Keras

Esta biblioteca de red neuronal de código abierto está escrita en Python y está pensada para una rápida experimentación con este tipo de redes. Su funcionamiento es modular, extensible y fácil de usar.

Matriz de confusión

Ayuda a resumir el rendimiento de un algoritmo de clasificación. Con ella se puede comprender qué es lo que está haciendo el modelo de clasificación y qué errores se están cometiendo.

Optimización

Con ello se busca alcanzar el rendimiento más alto posible con las limitaciones innatas de manera que se minimicen los factores no deseados y se maximicen aquellas que se quieren explotar.

Procesamiento del lenguaje natural (NLP)

Se trata de una rama de la inteligencia artificial cuyo cometido es el de ayudar a interpretar, comprender y manipular el lenguaje humano a los ordenadores. Busca por tanto acercar la comunicación de los humanos a los sistemas informáticos.

Redes neuronales

Son una variedad de tecnologías de Deep Learning. Estas toman como modelo las funciones y estructuras de las redes neuronales de humanos y animales. En estos casos, la información fluye a través de la red neuronal y afecta a su estructura haciendo que aprenda en función de su entrada o salida.

Sobreajuste

Aparece cuando un modelo busca predecir una tendencia, pero los datos generan demasiado ruido, esto hace que el modelo sea inexacto ya que no ayuda a reflejar la realidad de los mismos.

Transfer Learning

Es la aplicación del conocimiento adquirido por la máquina para poder resolver un problema tras completar una tarea diferente. Es decir se trata de la aplicación de una solución adquirida a un problema distinto al planteado inicialmente.

Vectorización

Ayuda a mejorar el rendimiento ya que permite ejecutar una sola instrucción en diferentes objetos de datos de manera paralela dentro de un único núcleo de CPU.