El aprendizaje automático es un campo científico. Se trata de cómo construir estructuras que puedan aprender de los datos.
Un ejemplo de tal estructura son las redes neuronales (NN). La aplicación más simple para las redes neuronales son las tareas de clasificación, por ejemplo, cuando tiene una grabación y sabe que es un dígito, entonces la grabación debe clasificarse en una de 10 clases (0, 1, 2, 3, 4, 5, 6 , 7, 8, 9). Los NN aprenden una función matemática de alta dimensión R ^ n -> R ^ 10 en ese caso. Esta función está parametrizada por muchos valores numéricos llamados “pesos”. La tarea de aprendizaje es encontrar “buenos” pesos.
Las redes neuronales están estructuradas en capas. Las redes neuronales profundas tienen 2 o más capas ocultas (dependiendo de lo que pregunte, también podrían ser más de 20 o más capas ocultas). Entrenar esas redes se llama aprendizaje profundo .
- ¿Qué tan rápido crearíamos inteligencia artificial inteligente si basamos a toda la sociedad en el diseño de tecnologías de inteligencia artificial?
- Cómo determinar lo que es difícil sobre un problema de aprendizaje automático / conjunto de datos
- Si se crea una IA fuerte, ¿por qué debería servirnos?
- ¿Por qué obtengo un error absurdamente grande cuando uso redes neuronales con muchas capas?
- ¿Cuándo sé que estoy listo para el aprendizaje automático?
