Redes Neuronales, una visita express

• Buscamos construir una inteligencia artificial para reproducir (o tratar) de reproducir algunas de las funciones del ser humano.
• El aprendizaje de máquina es la capacidad de un equipo de cómputo de aprender y reproducir procesos en base a datos de entrada.
• Los primeros modelos de redes neuronales se basan en un perceptrón simple: una neurona artificial única, representada por un modelo matemático (entradas, procesamiento, salidas).
• El perceptrón recibe datos de entrada que luego multiplica por pesos específicos y suma para pasar por una función de activación que va a determinar un valor (o no) de salida.

Componentes de una neurona biológica

• Dendritos: lugares en donde entra la información a la neurona.
• Núcleo: centro de procesamiento de información.
• Axón: conector entre el núcleo y terminales
• Sinaxis: conexiones entre neuronas.

Dependiendo del nivel de activación de la información de entrada, se decide si esa información se transmite a otras neuronas y con que intensidad.

La intensidad dependerá de la actividad que este siguiendo y del módulo de redes neuronales que esten interviniendo.

Componentes de una neurona artificial (Perceptrón simple)

• Pesos (w-1, w-2…): fuerza de conexión entre las entradas y el núcleo.
• bias: descriminador, determina si la información se transmite a las siguientes neuronas.
• out: (salida), conexiones entre neuronas.

Las funciones de activación imitan los procesos de aprendizaje de forma más natural.

Resumen

- ¿Porqué buscar construir una inteligencia artificial? R: Para reproducir algunas de las funciones del ser humano.
- ¿Qué es el aprendizaje de máquina?R:Capacidad de una máquina de aprender un proceso en base a los datos que recibe
- ¿En qué se basan los primeros modelos? R: Perceptrón simple (neurona única) representada por un modelo matemático.
- ¿Cómo funciona una neurona?R: Tiene entradas, el procesamiento y discriminador, salida
- ¿Cuál es el funcionamiento básico de un perceptrón? R: se multiplican los pesos por las entradas, se pasa a través del discriminador y se mete a una función de activación, puede ser la Sigmoide.

> El aprendizaje de máquina sirve para Responder preguntas y procesar datos.

Acabo de entrar al curso, estaba un poco desanimado porque estoy en la ruta de Backend con JS y éste curso apareció justo dos cursos atrás; pero ahora que decidí iniciarlo veo la joya que acabo de encontrar… en fin gracias Platzi 😄

Perceptrón simple: neurona artificial representada por un modelo matemático.

El cerebro es una máquina compleja.

Vi luz y entre, lo esperaba hace rato al curso. De paso descanso un poco de tanto curso de CSS que venia haciendo.

Sinapsis! ✌️

Y1 = W1.X1 + W2.X2 + b

el uso de los datos es para responder preguntas.

Entradas de informacíon o inputs.

Transformar el conocimiento en ceros y unos

Excelente clase

Hay un error un error algebraico en el minuto 7:00.

-3+1x7+0x3 = 4 ≠ 5

Bueno aca hay muchos conceptos errados.

1. El cesgo o bias no tiene que ser nesesariamente mayor a cero para que la neurona se active, tanto este como los pesos de los diferentes inputs o entradas del perceptron pueden tener diferentes valores de menos infinito a infinito. El cesgo tambien se denomina como Wo por esta razon.

2. La utilidad de la funcion de activacion no es optimizar y hacer que el funcionamiento sea mas natural. Su funcion es realizar una deformacion no lineal del resultado, para permitir el apilamiento de varios perceptrones, de lo contario estos colapasan en una funcion lineal no diferente a una regresion lineal.

3. El valor de el cesgo y de los pesos, se define durante el entrenamiento de las red, y definir sus valores iniciales es todo un arte, como es el de Xavier o el mas usado TeHan.

Como ultimo, pero esto ya es creencia personal. No es el objetivo del hombre crear automatas, es de la humanidad. Las mujeres han aportado mucho al campo d ela inteligencia artificial y lo siguen haciendo.

Genial

La unidad fundamental del funcionamiento del cerebro es la neurona:
Dendritas, son los lugares por donde entra la información, a su núcleo donde toda esa información es procesada y el resultado de la información pasa al axón y a las terminales que la comunican a otras neuronas.