REDES NEURONALES Y DEEP LEARNING - YBM

Vista previa del material en texto

Redes neuronales y 
deep learning
Las redes neuronales y el aprendizaje profundo son dos de las técnicas 
más fascinantes y poderosas que existen en la actualidad para el 
procesamiento de información y la toma de decisiones. En esta 
presentación, exploraremos el funcionamiento de estas tecnologías, sus 
aplicaciones y sus desafíos.
by Yajaira Burgos
https://gamma.app
Introducción a las redes neuronales
¿Qué son las redes 
neuronales?
Un modelo matemático inspirado 
en el cerebro humano, diseñado 
para aprender patrones complejos 
y realizar tareas complejas.
¿Cómo funcionan?
Mediante la combinación de 
múltiples capas de neuronas 
artificiales que se comunican entre 
sí y procesan la información 
entrante y saliente.
¿Cómo se relacionan con 
el aprendizaje profundo?
Las redes neuronales son la base 
fundamental del aprendizaje 
profundo y están en el corazón de 
muchas de las aplicaciones más 
modernas e innovadoras.
https://gamma.app
Arquitectura de las redes neuronales
Capas ocultas
Capas intermedias entre la entrada y la salida que 
procesan información compleja.
Funciones de activación
Funciones matemáticas que determinan la 
"activación" de una neurona en función de su 
entrada.
Backpropagation
Algoritmo utilizado durante el entrenamiento que 
ajusta los pesos de las conexiones entre 
neuronas.
Redes convolucionales
Especializadas en el procesamiento de imágenes 
y otros datos que tienen una estructura espacial.
https://gamma.app
Funcionamiento del aprendizaje 
profundo
1
Preprocesamiento de datos
Limpieza, normalización y transformación de los 
datos brutos.
2
Entrenamiento
Programación de la red para que aprenda a 
distinguir patrones y realizar tareas específicas. 
Utiliza algoritmos de backpropagation y 
optimización de gradiente descendente.
3
Validación y evaluación
Comprobación de que la red funciona 
correctamente y tiene una buena generalización. 
Utiliza conjuntos de validación y prueba y diversas 
métricas de rendimiento.
https://gamma.app
Tipos de redes neuronales
Redes recurrentes
Utilizadas para procesar secuencias 
de datos, como el lenguaje natural 
o la señal de audio.
Autoencoders
Usados para generar ejemplos 
realistas de datos, como imágenes 
o texto.
Generative Adversarial 
Networks
Redes que "engañan" a otras 
redes, produciendo datos falsos 
pero lo suficientemente realistas 
como para engañar a la red 
falsificadora.
https://gamma.app
Usos de las redes neuronales
1 Visión por 
computadora
Detección de objetos, 
reconocimiento de caras, 
segmentación de 
imágenes, reconstrucción 
3D.
2 Procesamiento del 
lenguaje natural
Clasificación de textos, 
traducción automática, 
generación de texto, 
chatbots.
3 Aprendizaje por 
refuerzo
Juegos, robótica, 
simulación de sistemas 
complejos.
https://gamma.app
Aplicaciones del aprendizaje profundo
Medicina
Diagnóstico de enfermedades, 
análisis de imágenes médicas, 
pronóstico de enfermedades.
Industria 
automotriz
Detección de obstáculos, 
conducción autónoma, análisis 
de seguridad.
Entretenimiento
Recomendación de películas, 
juegos de video con IA, música 
generada por IA.
https://gamma.app
Desafíos y futuras investigaciones
Transparencia y explicabilidad
Cómo hacer que las redes neuronales sean más 
interpretables y comprensibles.
Sesgo y discriminación
Cómo evitar que las redes aprendan prejuicios y 
discriminación, y cómo corregirlos si ocurren.
Robustez y seguridad
Cómo proteger las redes contra ataques 
maliciosos y optimizar su calidad y estabilidad.
Neurotecnología
Cómo utilizar las redes neuronales para mejorar la 
comunicación y el rendimiento del cerebro 
humano.
https://gamma.app