Aprendizaje Profundo (Deep Learning) con Python

Python es un lenguaje de programación de alto nivel de uso general que se usa ampliamente en la ciencia de datos y para producir algoritmos de aprendizaje profundo.

Este breve tutorial presenta Python y sus bibliotecas como Numpy, Scipy, Pandas, Matplotlib; Frameworks como Theano, TensorFlow, Keras. El tutorial explica cómo se pueden aplicar las diferentes bibliotecas y marcos para resolver problemas complejos del mundo real.

Audiencia

Este tutorial ha sido preparado para profesionales que aspiran a aprender los conceptos básicos de Python y desarrollar aplicaciones que involucren técnicas de aprendizaje profundo como redes neuronales convolucionales, redes recurrentes, propagación hacia atrás, etc.

Prerrequisitos

Antes de continuar con este tutorial, asumimos que tiene una exposición previa a Python, Numpy, Pandas, Scipy, Matplotib, Windows, cualquier distribución de Linux, conocimientos básicos previos de álgebra lineal, cálculo, estadísticas y técnicas básicas de aprendizaje automático.

El aprendizaje profundo estructurado o el aprendizaje jerárquico o el aprendizaje profundo en breve es parte de la familia de métodos de aprendizaje automático que son en sí mismos un subconjunto del campo más amplio de la Inteligencia Artificial.

El aprendizaje profundo es una clase de algoritmos de aprendizaje automático que utilizan varias capas de unidades de procesamiento no lineal para la extracción y transformación de características. Cada capa sucesiva utiliza la salida de la capa anterior como entrada.

Las redes neuronales profundas, las redes de creencias profundas y las redes neuronales recurrentes se han aplicado a campos como la análisis de imagenes, el reconocimiento de voz, el procesamiento del lenguaje natural, el reconocimiento de audio, el filtrado de redes sociales, la traducción automática y la bioinformática, en los que produjeron resultados comparables y, en algunos casos, mejor que los expertos humanos.