Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ir a la navegaciónIr a la búsqueda
Aprendizaje profundo (en inglés, deep learning) es un conjunto
de algoritmos de aprendizaje automático (en inglés, machine learning) que intenta
modelar abstracciones de alto nivel en datos usando arquitecturas computacionales
que admiten transformaciones no lineales múltiples e iterativas de datos expresados
en forma matricial o tensorial. 1
El aprendizaje profundo es parte de un conjunto más amplio de métodos de
aprendizaje automático basados en asimilar representaciones de datos. Una
observación (por ejemplo, una imagen) puede ser representada en muchas formas
(por ejemplo, un vector de píxeles), pero algunas representaciones hacen más fácil
aprender tareas de interés (por ejemplo, "¿es esta imagen una cara humana?") sobre
la base de ejemplos, y la investigación en esta área intenta definir qué
representaciones son mejores y cómo crear modelos para reconocer estas
representaciones.
Varias arquitecturas de aprendizaje profundo, como redes neuronales profundas,
redes neuronales profundas convolucionales, y redes de creencia profundas, han sido
aplicadas a campos como visión por computador, reconocimiento automático del
habla, y reconocimiento de señales de audio y música, y han mostrado producir
resultados de vanguardia en varias tareas.
Índice
1Definiciones
2Computación en la nube
o 2.1Las GPU para procesamiento general
o 2.2Las GPU en la nube
o 2.3Google Cloud y TensorFlow
3Referencias
4Enlaces externos
Definiciones[editar]
No existe una única definición de aprendizaje profundo. En general se trata de una
clase de algoritmos ideados para el aprendizaje automático. A partir de este punto
común, diferentes publicaciones se centran en distintas características, por ejemplo:
Computación en la nube[editar]
Las GPU para procesamiento general[editar]
Conocidas como GPGPU, las tarjetas de vídeo para procesamiento general permiten
ejecutar los algoritmos de entrenamiento y evaluación de los modelos de aprendizaje
profundo. Debido a la naturaleza altamente paralelizable de estos problemas, la
utilización de las GPGPU permite un aumento en el desempeño de varios órdenes de
magnitud.
Las GPU en la nube[editar]
Los grandes proveedores de servicios en la nube han comenzado a ofrecer servicios
de infraestructura especializados para procesamiento con GPU. Nvidia se ha asociado
con diversos proveedores para ofrecer dichos servicios, Amazon, Azure e IBM por
nombrar algunos.3
Google Cloud y TensorFlow[editar]
Acompañando a su plataforma TensorFlow, Google introdujo la Machine Learning
Platform, que provee servicios de aprendizaje automático modernos con modelos
preentrenados y un servicio para generar modelos personalizables. A diferencia de los
otros proveedores, se presenta como una alternativa PaaS más que un IaaS.
Referencias[editar]
Enlaces externos[editar]