Deep Learning
Redes neuronales profundas: arquitecturas, entrenamiento y aplicaciones.
Aprendizaje de representaciones
Enfoque de machine learning centrado en aprender automáticamente formas útiles de representar los datos, en lugar de depender de características diseñadas manualmente.
Leer másDeep LearningAprendizaje por currículo (Curriculum learning)
Estrategia de entrenamiento que presenta los ejemplos a un modelo en un orden progresivo de dificultad, similar a cómo se estructura la educación humana.
Leer másDeep LearningAprendizaje por refuerzo profundo (Deep RL)
Combinación de aprendizaje por refuerzo con redes neuronales profundas, que permite a un agente aprender comportamientos complejos directamente a partir de entradas de alta dimensión.
Leer másDeep LearningAprendizaje profundo (Deep Learning)
Subcampo del machine learning que usa redes neuronales con muchas capas para aprender representaciones complejas directamente de los datos crudos.
Leer másDeep LearningAutoencoder
Red neuronal entrenada para comprimir datos a una representación reducida y luego reconstruirlos, aprendiendo así sus características esenciales.
Leer másDeep LearningConexiones residuales (Skip connections)
Conexión que permite que la información salte una o más capas de una red neuronal, facilitando el entrenamiento de arquitecturas muy profundas.
Leer másDeep LearningDeep Q-Network (DQN)
Combinación de Q-learning con redes neuronales profundas, que permitió aplicar aprendizaje por refuerzo a problemas con espacios de estados muy grandes y complejos.
Leer másDeep LearningDescenso de gradiente
Algoritmo de optimización que ajusta gradualmente los parámetros de un modelo en la dirección que más reduce el error, hasta encontrar un mínimo.
Leer másDeep LearningDropout
Técnica de regularización para redes neuronales que desactiva aleatoriamente una fracción de las neuronas durante cada paso del entrenamiento.
Leer másDeep LearningEntrenamiento distribuido
Técnica que reparte el entrenamiento de un modelo de gran tamaño entre múltiples procesadores o máquinas, para reducir el tiempo total de entrenamiento.
Leer másDeep LearningEntropía cruzada (Cross-entropy)
Función de pérdida ampliamente usada en problemas de clasificación, que mide qué tan distintas son las probabilidades predichas por un modelo de las probabilidades reales.
Leer másDeep LearningFunción de activación
Función matemática que decide si y cómo una neurona artificial transmite su señal a la siguiente capa de una red neuronal.
Leer másDeep LearningFunción de pérdida
Función matemática que mide qué tan lejos están las predicciones de un modelo respecto a los valores reales, y que el entrenamiento busca minimizar.
Leer másDeep LearningGRU (Gated Recurrent Unit)
Variante simplificada de LSTM que usa menos compuertas internas, logrando un desempeño similar con menor costo computacional en muchas tareas.
Leer másDeep LearningInicialización de pesos
Elección de los valores iniciales de los parámetros de una red neuronal antes de comenzar el entrenamiento, con un impacto significativo en qué tan bien y rápido converge.
Leer másDeep LearningKeras
Interfaz de alto nivel para construir redes neuronales de forma simple y legible, ejecutándose sobre frameworks como TensorFlow.
Leer másDeep LearningLSTM (Long Short-Term Memory)
Variante de red neuronal recurrente diseñada para recordar información relevante durante secuencias largas, superando una limitación clave de las RNN tradicionales.
Leer másDeep LearningNormalización por lotes (Batch normalization)
Técnica que estandariza las activaciones internas de una red neuronal durante el entrenamiento, acelerando y estabilizando el proceso.
Leer másDeep LearningPerceptrón
Modelo matemático simple que imita el funcionamiento de una neurona biológica, y que sentó las bases históricas de las redes neuronales.
Leer másDeep LearningPerceptrón multicapa (MLP)
Arquitectura de red neuronal formada por varias capas de neuronas totalmente conectadas entre sí, siendo una de las arquitecturas más básicas de deep learning.
Leer másDeep LearningProblema del gradiente explosivo
Dificultad de entrenamiento en la que el gradiente crece de forma descontrolada durante la retropropagación, provocando actualizaciones de los pesos extremadamente grandes e inestables.
Leer másDeep LearningProblema del gradiente que se desvanece
Dificultad de entrenamiento en redes neuronales profundas, donde el gradiente se vuelve extremadamente pequeño al propagarse hacia las primeras capas, impidiendo que aprendan de forma efectiva.
Leer másDeep LearningPyTorch
Framework de código abierto para deep learning, desarrollado originalmente por Meta, muy popular en investigación por su flexibilidad y facilidad de depuración.
Leer másDeep LearningRed de base radial (RBF Network)
Tipo de red neuronal que usa funciones de activación basadas en la distancia a ciertos puntos de referencia, útil especialmente para problemas de aproximación de funciones e interpolación.
Leer másDeep LearningRed neuronal
Modelo computacional inspirado en el cerebro, formado por capas de nodos interconectados que aprenden patrones a partir de datos.
Leer másDeep LearningRed neuronal de grafos (GNN)
Tipo de red neuronal diseñada para procesar datos estructurados como grafos, donde la información relevante está en las relaciones entre elementos, no solo en cada elemento individual.
Leer másDeep LearningRed neuronal feedforward
Tipo más básico de red neuronal, en la que la información fluye en una sola dirección, desde la entrada hasta la salida, sin ciclos ni retroalimentación.
Leer másDeep LearningRed neuronal recurrente (RNN)
Tipo de red neuronal diseñada para procesar secuencias de datos, manteniendo una memoria interna de lo que procesó anteriormente.
Leer másDeep LearningRed neuronal siamesa
Arquitectura formada por dos (o más) redes idénticas que comparten los mismos parámetros, usada para medir qué tan similares son dos entradas.
Leer másDeep LearningRetropropagación (Backpropagation)
Algoritmo que calcula cómo ajustar los pesos de una red neuronal propagando el error de la predicción hacia atrás, capa por capa.
Leer másDeep LearningTensorFlow
Framework de código abierto desarrollado por Google para construir y entrenar modelos de deep learning a gran escala.
Leer másDeep LearningTransfer learning
Técnica que reutiliza el conocimiento adquirido por un modelo entrenado en una tarea, para acelerar y mejorar su aprendizaje en una tarea distinta pero relacionada.
Leer más