Integrantes del Grupo 2
- - Gonzales Marca Jesus Miguel
- - Suarez Bautista Pablo Israel
- - Lliuya Villagaray Joaquin Lazaro
- - Pachas Oshiro Kojiro Andre
Docente: Guerra Grados Luis Angel
Sumilla
El presente trabajo aborda los fundamentos del Deep Learning como una disciplina clave dentro del campo de la inteligencia artificial. Se explica su evolución histórica, características principales, comparación con técnicas clásicas de machine learning, procesos de aprendizaje y aplicaciones prácticas en diversos sectores como la visión por computadora, el procesamiento del lenguaje natural y la robótica.
Objetivo General
Comprender los fundamentos teóricos y prácticos del Deep Learning como una rama de la inteligencia artificial, enfocándose en su capacidad de modelar datos complejos, aprender representaciones automáticamente y resolver problemas que requieren la generalización a partir de grandes volúmenes de datos, con aplicaciones en múltiples campos.
¿Qué es el Deep Learning?
El Deep Learning es una rama avanzada del aprendizaje automático que utiliza redes neuronales profundas para modelar y comprender datos complejos. Estas redes están inspiradas en la estructura del cerebro humano y permiten a las máquinas aprender de grandes volúmenes de datos no estructurados, como imágenes, texto y audio.
¿Cómo funciona?
Las redes neuronales profundas están compuestas por múltiples capas de nodos (neuronas artificiales). Cada capa procesa la información y la transmite a la siguiente, permitiendo que el sistema aprenda representaciones jerárquicas de los datos. Este enfoque ha demostrado ser especialmente eficaz en tareas como el reconocimiento de voz, la visión por computadora y el procesamiento del lenguaje natural.
Aplicaciones del Deep Learning
- Visión por computadora: Reconocimiento facial, detección de objetos y análisis de imágenes médicas.
- Procesamiento del lenguaje natural: Traducción automática, chatbots y asistentes virtuales.
- Vehículos autónomos: Interpretación de señales de tráfico y detección de peatones.
- Finanzas: Detección de fraudes y análisis predictivo del mercado.
- Entretenimiento: Recomendaciones personalizadas en plataformas de streaming.
