El mundo de los datos: data science y machine learning

1

Aprende ciencia y análisis de datos para optimizar las estrategias de tu negocio

2

Retos para aprender ciencia de datos

3

¿Qué es ciencia de datos y big data? ¿Cómo afectan a mi negocio?

4

¿Qué tipo de información podemos analizar?

5

¿Cómo crear empresas y culturas data-driven?

6

¿Qué es inteligencia artificial y machine learning?

7

¿Qué es deep learning? Análisis de imagen, audio y video

Herramientas y roles de trabajo en ciencia de datos

8

Flujo de trabajo en ciencia de datos: fases, roles y oportunidades laborales

9

Herramientas para cada etapa del análisis de datos

10

¿Qué es y cómo usar una base de datos relacional con SQL?

11

Cómo estructurar queries en SQL

12

Conflictos y retos actuales sobre la ética y tratamiento de datos

Problema de negocio: análisis

13

Aplica técnicas de storytelling para convertir problemas de datos en historias

14

Cómo estructurar un caso de negocio

15

Análisis cuantitativo en un caso de negocio

16

Análisis cualitativo en un caso de negocio

17

Fusión cuanti-cualitativa en un caso de negocio

18

¿Qué es minería de texto? ¿Cómo usarla para obtener información adicional?

19

Variación de comportamientos a partir de la geolocalización

Problema de negocio: implementación

20

Acciones, algoritmos y toma de decisiones según los resultados del análisis

21

Apuntes y cursos para aprender ciencia de datos

22

Continúa aprendiendo ciencia y análisis de datos para ejecutar estrategias efectivas

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

¿Qué es deep learning? Análisis de imagen, audio y video

7/22
Recursos

Aportes 804

Preguntas 30

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Spotify, Netflix, instagram
Les dejo una imagen que explica muy visualmente la diferencia entre Machine Learning y Deep Learning:

  • Amazon Prime Video: es capaz de identificar los actores y actrices en cada escena de una serie que estés reproduciendo.
  • Google (búsqueda por imágenes): sin indicar un texto de búsqueda sino subiendo una imagen Google es capaz’de hacer una búsqueda con gran probabilidad de acierto.
  • CamScanner: Es una aplicación móvil capaz de reconocer un documento desde la cámara del teléfono y le aplica una transformación precisa para obtener una imagen procesada que es perfectamente comparable con una copia fotoestática real.

Deep learning: es un conjunto de algoritmos de aprendizaje automático (en inglés, machine learning) que intenta modelar abstracciones de alto nivel en datos usando arquitecturas computacionales que admiten transformaciones no lineales múltiples e iterativas de datos expresados en forma matricial o tensorial.

Prime video para identificar actores y canciones en diferentes escenas.

Gobierno Chino para identificar a la gente que no respeta las señales de transito :'v

John Deere la empresa de fabricación de equipos para agricultura y de servicios, se está preparando para comercializar este año un rociador para cultivos que funciona con Inteligencia Artificial y utiliza cámaras y machine learning para eliminar las malezas con pesticidas, y los cultivos con fertilizantes.

Recuerden:
Anteriormente solo necesitábamos conjuntos de datos (matrices, vectores, datasets etc)
Pero en Deep Learning podemos tener otro tipo de datos

En lugar de tener datos numéricos, categóricos etc, ahora tenemos: Imágenes, notas de voz, textos complejos

Actividad: 3 empresas que usan deep learning.
.

  1. Facebook. ¿Te ha sugerido etiquetar a una persona en una foto que está borrosa? El deep learning de Facebook está tan avanzado que logra identificar a personas en condiciones extremas.
    .
  2. Google Assistant. Charlar y pedirle acciones al asistente de Google ha sido posible porque google extrae la información de tu voz, genera un mapa de bits y compara con su información para determinar qué es lo que estás tratando de pedir. Funciona tan bien con personas de diferentes acentos por el aprendizaje contínuo que tiene.
    .
  3. Inspección de paneles solares. No se me ha ocurrido otra empresa popular, así que hablaré de mi área, de lo que sé. Los paneles solares -esos que generan electricidad- pueden presentar fallas que no se ven a simple vista. Pero pueden, por ejemplo, calentarse. Si usas una cámara térmica, vas a ver gradientes de temperatura (lugares más calientes que otros). Algunas fallas (como una ruptura interna) pueden crear una “huella térmica” bastante peculiar. Ahí es donde entra el deep learning. Si se entrena el algoritmo lo suficiente, sabrá que cuando vea una imagen de un panel solar con una huella térmica peculiar, es por un daño puntual. De esta manera es posible analizar con drones decenas de miles de paneles solares en un día (campos fv) y con Machine Learning saber en ese instante qué panel tiene qué tipo de daño y sugerir determinado mantenimiento.

Tres empresas en colombia que usen deep learning:

  1. Davivienda: Para poder abrir una cuenta de ahorros a través de su app, se debe escanear el documento de identidad, por lo que diferencia en lo que es y no una cédula.

  2. Google Translate: Permite escanear a través de la cámara diferentes objetos que tengan texto y así traducirlo.

  3. Camscan: Identifica y diferencia en lo que es un documento para escanear y lo que no es.

<h3>Imágenes</h3>

La capacidad que tienen las máquinas de identificar imágenes en tan solo un segundo interpretando matrices de imagenes y detectar pixeles así como transformándolas para entender de que se trata.

<h3>Sonido</h3>

La capacidad de interpretar el sonido y lo transforma en código binomial (dos opciones) ademas puede saber si nos gustan canciones muy agudas o graves, rápidas o lentas para podernos recomendar opciones similares.

<h3>Video</h3>

La capacidad de tomar decisiones basado en la interpretación de videos. Un ejemplo es Tesla con su conducción automática que interpreta como 0 o 1 para avanzar o detenerse.

  • SocialEyes: Deteccion de problemas oculares en comunidades remotas
  • Bing: Deteccion de Objetos en tiempo real
  • Siri: Reconocimiento de voz y asistente virtual

El mejor ejemplo que nos pudo dar Silvia es el de Tesla, sin duda

Para quienes les interese conocer un poco más de como funciona Shazam. https://www.youtube.com/watch?v=OE4gcdjFbmc 😄

Piensa en 3 empresas que producen tecnología de deep learning y para qué crees que la están utilizando (1 con imágenes, 1 con video y 1 con sonido).

  1. Imágenes - Facebook. Para el reconocimiento de usuarios en fotos y así etiquetarlos automáticamente.

  2. Video - YouTube. Para detectar videos con derechos de autor.

  3. Audio - Banco Santander. Para detectar por teléfono que es el usuario el que esta realizando el trámite.

Google lens en capáz de identificar el tipo de objeto que se le presenta, si es una planta cual es, si es una persona de que región , celulares, comidas … cada vez es mejor, al inicio fallaba un poco pero ahora es muy certero en muchas categorías

Diferencia entre los conceptos presentados

¿Qué es deep learning?

Aprendizaje profundo – imágenes – videos – sonidos-.
Las maquinas interpretan el píxel por eso es tan rápido la verificación, aciertan un 99% los humados dependen del rendimiento de la persona.
Shazam interpreta los sonidos: transforman las frecuencias y lo transforman en códigos binomial y encuentra las coincidencias entre agudos , medios y demás también identifica el patrón y aprende que tipo de música nos gusta para hacernos recomendaciones y sigue replicando esta información para hacer sugerencias activas.
Imagen: aprende de las imágenes del entorno por pixeles.
Va vinculada a la ética.

Algo en lo que me queda duda, y me imagino que posiblemente se abordará en el curso, es sobre la infraestructura necesaria para poder montar este tipo de algoritmos y que pueda entrenarse en tiempo real con todas las interacciones de usuarios. O también todo el backend para que pueda hacer procesamiento en paralelo de interacciones que sucedan al mismo tiempo, pero de usuarios diferentes, o hasta los ajustes que deban hacerse ante los sesgos que puedan provocar los usuarios sobre el algoritmo (como el activismo digital que hacen las K-popers en México a través de Twitter). Bastantes cosas a considerar...

Atomwise- Esta empresa se encuentra en la industria farmacéutica y utiliza deep learning para buscar las diferentes variedades de moléculas para desarrollar fármacos según la enfermedad.

Deep Instinct - Esta empresa usa deep learning para analizar nuevos tipos de ataques que puedan hacer hackers con dispositivos que se puedan conectar a internet.

Descartes Labs- Utilizan deep learning para encontrar anomalias en pronósticos de climáticos. Esto puede se de gran utilidad, ya que puede conocerse escacez de oferta de algún commoditie que tenga que ver con agricultura, como soya, trigo, etc.

Encontré este video del cantal DotCSV donde explica que es IA el Machine Learning y Deep learning.
https://www.youtube.com/watch?v=KytW151dpqU

En lo personal me parecio bastante interesante y sobre todo esclarecedor en varias dudas que tenia al respecto.

Espero les sea de ayuda

Google Translate: Buscando patrones en común y vocabulario de las traducciones ya hechas. Twitter: Organiza el timeline de cada usuario basado en los gustos individuales. Sentrian: La empresa está centrada en el tratamiento de pacientes crónicos a través de la monitorización remota de los mismos

RETO: 3 EMPRESAS QUE UTILICEN DEPP LEARNING.

APPLE: Reconocimiento de imágenes para la mejora de la seguridad en sus dispositivos.
YOUTUBE: Reconocimiento de patrones en los videos para evitar piratería y contenido no deseado en sus videos.
AMAZON: En su tienda inteligente, reconoce a los compradores que ingresan y luego hace inteligencia de negocios
Aumenta su base de conocimientos.

Mis apuntes #7 (Notion)

Para los amantes del fútbol ¿el VAR podría considerarse Deep Learning?

Deep Mind es LA EMPRESA que hace deep learning. Miren el documental Apha Go.

¿Qué es el Aprendizaje Profundo?

Subcategoría del ML, que crea diferentes niveles de abstracción que representa los datos

Les recomiendo checar el curso de Fundamentos Practicas de ML
Saludos

https://platzi.com/clases/1708-fundamentos-ml/23066-introduccion-al-aprendizaje-profundo/

No se si fui el unico pero en el ejemplo de los panes, lo primero que pense es que era un pedazo de Caca, osea que hay mas opciones para que la IA aprenda a identificar si es un pan, un perro enrroscado o pedazo de caca. jajaja

Lo veo importante el reconocimiento de imagen para doctores que deben detectar tumores en rayos -x y las anomalias pueden ser muy pequenas, dificiles de detectar a tiempo.

Aquí explica como funciona internamente Shazam:
https://www.youtube.com/watch?v=OE4gcdjFbmc&ab_channel=JaimeAltozano

Las 3 empresas en las que pensé fueron:
los asistentes de virtuales, facebook y los autos de tesla

En mi búsqueda me tope con la siguiente información.

La startup Horus está desarrollando un dispositivo portátil que utiliza inteligencia artificial y GPU para comprender el mundo y ayudar a las personas ciegas y con discapacidad visual a “ver”.

Con Horus, una persona ciega o con discapacidad visual podría leer la etiqueta de un producto o un libro, reconocer a un amigo en la calle y obtener ayuda para sortear los cruces de calles y los obstáculos. Los usuarios también pueden personalizar el dispositivo para que reconozca objetos específicos a sus necesidades.

El dispositivo se utiliza como un par de auriculares, utiliza visión por computadora acelerada por GPU, aprendizaje profundo y sensores para procesar, analizar y describir imágenes de dos cámaras.

El auricular transmite el sonido a través de los huesos en lugar del oído para que los usuarios puedan oír incluso en situaciones ruidosas. Eso también lo hace útil para personas con discapacidad auditiva.

sin duda una muy buena implementación, dejo el link del articulo citado:

  1. Google lens para identificar imágenes en diferentes escenarios.
  2. Prime video para identificar actores en diferentes escenas.
  3. Google images que identifica la persona en diferentes fotos.

Diferencia entre Machine Learning y Deep Learning

En el Machine Learning es preciso guiar a la máquina en cada una de las fases del proceso para que aprenda, a través de la práctica, a identificar lo que queremos de manera automática. Por otro lado, en el Deep Learning la máquina aprende por sí sola con cada nuevo input de información que recibe. Si en alguna ocasión emplea un dato equivocado, aprende del error y usa otro dato para aproximarse al resultado correcto cada vez más rápido y de manera más fiable.

Piensa en 3 empresas que producen tecnología de deep learning y para qué crees que la están utilizando (1 con imágenes, 1 con video y 1 con sonido).

  1. Selección de imágenes: Pinterest
  2. Seguridad en video: Hanwha con sus cámaras Wisenet
  3. Mejorar la comunicación: Asistentes virtuales (Siri, Alexa, Cortana)

Empresas que utilizan el reconocimiento facial utilizan Deep Learning para procesar la imagen de la persona. Un ejemplo es Bancolombia; otro es Facebook.
Youtube hace uso de algoritmos de Deep Learning para reconocer infracciones de copyright en videos y audios.

  1. Apple al adquirir Emotient, una startup que desarrollo una sistema de reconocimiento facial en tiempo real, lo cual lo integro en el Iphone X.
  2. Shazura, startup que creó un potente buscador de imágenes y videos sin necesidad de etiquetas, basando el reconocimiento y la comparación de la imagen en huellas digitales, permitiendo reconocer desde logos y marcas hasta prendas de ropa, en su aplicación Shot&Shop
  3. Medwhat, creó un asistente virtual que responde las preguntas médicas o de salud de los usuarios y doctores. Las respuestas son proporcionadas por una IA que aprende sobre medicin, cada día y, con el tiempo, sobre el historial médico del paciente y las preguntas que se realizan.
  1. Amazon (Alexa): Sonido
  2. Google Photos: Imágenes
  3. Instagram: Video
  1. Amazon – Para deteccion de productos
  2. Snapchat – Para aplicación de los filtros sobre el rostro de las personas
  3. Spotify – Para crear listas de reproduccion sugeridas

La empresa que en mi opinión maneja más el Deep Learning definitivamente es Tesla y con las últimas actualizaciones de su inteligencia artificial su automoción se ha vuelto más precisa, aquí les dejo un video del canal Dotcsv donde explica a detalle como funciona este sistema Así Funciona Realmente el TESLA AUTOPILOT | La IA de Elon Musk

  1. Imágenes (Google Images)
    A través de esta herramienta, puedes buscar una imagen en google Images, y esta no solamente la reconocerá sino que también buscará imágenes relacionada a aquella solicitada a reconocer.

  2. Video (Youtube)
    Un ejemplo de esto, sería a través del sistema de detección de contenido gráficos para adultos, a través de esta herramienta, Youtube con su AI y deep learning puede filtrar todo contenido subido a youtube, y evaluar si este es acorde a los reglamentos de las plataforma.

  3. Sonido (Google Assistant)
    Este AI es mucho sofisticado que el algoritmo de Shazam, ya que este no solamente reconoce canciones a través de frecuencias, sino que reconoce líricas e inclusive tarareos, algo que la Inteligencia Artificial de Shazam no es capaz de lograr.

1.Spotify: Esta aplicación identifica las canciones escuchadas y los patrones generados por un usuario para transformala información y generar sugerencias de listas de reproducción
2.Tik Tok: Identifica los patrones de los videos vistos para que los próximos videos a reproducir tengan relación con los principales gustos del usuario
3. IPHONE: recolectan la información presentada por medio de una imagen o video y la transforma para saber si se debe dar acceso o no al celular.

Cuales empresas están utilizando el Deep Learning

  • Telegram : mediante su servicio va tener en cuenta los datos y voz la informacion de nuestro entorno.
  • Meta : la nueva evolución de FaceBook , porque recopilo y analizo todos los datos que obtuvo por sus usuarios y a partir de esto va generar su nuevo servicio.
  • Teams : mediante la video conferencias va identificar que personas utilizan este servicio y su contenido

Pinterest: identifica imágenes similares de acuerdo a la búsqueda que realice la persona

Compensar Salud: empresa promotora de salud que mediante una llamada y de acuerdo a lo que contestaba el usuario identificó el estado de salud de sus pacientes COVID

Google fotos: identifica personas en los videos que guarda el usuario y realiza videos compilados de dicha persona.

  1. Sonido: Spotify, identifica contenido musical sugerido para sus usuarios.
  2. Imagen: Google Fotos, identifica lugares, rostros, mascotas, mejoras de calidad etc.
  3. Video: TikTok, revisión del contenido de los videos para identificar contenido

“1. Amazon con Alexa
2. Spotify
3. NASA”

Empresas que usan Deep learning: Apple, con Siri, asistente inteligente o su sistema de reocnocimiento facial.

Google - traducciones automaticas, recomendaciones de videos, reconocimiento de imagenes y geolocalización.

NASA Ames - La Nasa desarrollo por ejemplo DeepSat, una plataforma de deep learning par la clasificación y segmentación de imágenes por satélite.

  1. Facebook: aplica deep learning en imagines y video s para comprobar ubicaciones y poder dar diferentes opciones de publicidad en el medio donde se esta movilizando cada vez mas especifico.

  2. Google. aplica depp learning en sus plataformas búsqueda y ubicación para poder verificar los datos ofrecerte diferentes opciones de alternativas de alimentación y hobby, cada vez mas especifico según sus gustos. .

  3. Waze: le da diferentes rutas de movilización para llegar a su destino, cada vez menos contratiempos.

Un ejemplo claro de DL es Google Photos. Cualquiera puede pensar que es solo una Galería de fotos, pero la cantidad de información que procesa para que identifique personas, animales, lugares, cosas. etc. Es increíble lo fácil que es usarla y lo complejo que es su proceso interno.

Encontré una imagen muy diciente que nos ayuda a complementar y esquematizar los conceptos sobre los que nos habla Silvia en esta muy interesante lección

Reto:
Piensa en 3 empresas que producen tecnología de deep learning y para qué crees que la están utilizando (1 con imágenes, 1 con video y 1 con sonido).

Mi solución:

  1. Pinterest (para imágenes)
  2. Google (para audio, con su función de buscar por voz)
  3. Las empresas que crean los sistemas de seguridad y reconocimiento facial (usando videos)
  1. Spacex para reconocimiento de imagenes
  2. Google para procesamiento de videos en Youtube
  3. Deezer para crear recomendaciones musicales

Baker Hughes: usa tecnología deep learning para recudir tiempos y costos en la localización, extracción y transporte de petróleo.

Bechtel Corp: empresa de construcción que usa esta tecnología para optimizar los tiempos de construcción de infraestructura.

JPMorgan: usa la tecnología deep learning en su vertiente “text analytics” para obtener insights sobre el comportamiento de futuras inversiones en el mercado financiero.

Shazura
Apple y Emotient
Cylance

Google: Google tiene la increíble estrategia. Cada vez que estamos haciendo verificación de que no somos un robot estamos entrenando gratis sus maquinas de Deep learning.

  1. IBM
  2. Yelp
  3. Facebook
  • Nasa: clasificación y segmentación de imágenes por satélite
  • Adobe DeepFont: identificación de fuentes
  • Bing : detección de objetos
  1. BMW para los coches autónomos.
  2. Amazon debe procesar sonido con su asistente de voz.
  3. Creo que se puede procesar información de tomografías.

Me parece que los algoritmos de las redes sociales ya cumplen con estos algoritmos. Así que ahí podríamos encontrar a Netflix, Tiktok y los motores de búsqueda.

Deezer: App Música
Pinterest: App- Red Social de Imágenes
Netflix: App Películas

Google foto: identifica a las personas por las fotos, y luego las va agrupando.
Spotify: recomienda música semanal mente de acuerdo a lo que escucha.
Netflix: recomienda series de acuerdo a tu preferencias

Google Keyboard
YouTube
Duolingo

Google fotos
facebook
Insta

Pinterest: usando una imagen de referencia te sugiere otras similares. Google Suite: algunos servicios de Google como Docs o Gmail te sugieren palabras que probablemente escribirías redactando un documento o un correo. AliExpress: Según tus compras o productos añadidos a tu carrito entiende tus gustos y así mismo se determinan tus sugerencias de compra.

En algunos lugares el sistema de apartado de citas o de atención la cliente se hace mediante un menú al cuál debes decir en voz alta durante la llamada el número de opcion que deseas(analisis de audio).

Google Photos hace reconocimiento facial de las personas que están en las fotos y con el te crea collages (analisis de imagen).
\
Grandes cadenas como Walmart y las aún más innovadoras Amazon Go usan analisis de video para hacer reconocimiento de personas y productos, para saber lo que se está llevando la gente (analisis de video)

1. Pinterest 2. YouTube // Netflix 3. Spotify // Shazam Para los tres ejemplos, seguir consumiendo el contenido musical, de vídeo o de imágenes.

Facebook
La publicidad en Facebook se realiza utilizando Redes Neuronales Profundas (Deep Neural Networks), la cual analiza la edad, sexo, ubicación, profesiones, me gusta en las páginas, intereses, etc. de los usuarios, luego estos son seleccionados para mostrarles una determinada publicidad en base a los datos obtenidos.

**Twitter **
Para identificar lo que sucede en una transmisión en vivo Twitter hace uso de Aprendizaje Profundo (Deep Learning), entrenando a una Red Neuronal para que reconozca las imágenes en los videos mediante etiquetas, por ejemplo el usuario coloca las etiquetas Gato, Animal, etc. en su video, entonces el algoritmo puede identificar que se trata de un Gato y usar esta información para identificar Perros en otros videos.

**Pinterest **
Utiliza Machine Learning haciendo uso de algoritmos de reconocimiento de imágenes para identificar los patrones en una imagen que se ha fijado, por ejemplo si una usuaria mujer fija la foto de un zapato marrón de cuero, podrá ver imágenes de zapatos marrones de cuero mediante el Reconocimiento de Imagen.

Instagram
Deezer
Youtube

  1. Google Traductor
  2. Alexa
  3. Spot de Boston Dynamics
  1. Instagram
    2.Avaya
    3.Shazam

Netflix: Recomendaciones de series similares apenas terminas una para que continues ligado en la plataforma.
Spotify: Te da una una playlist semanal de música nueva que te podría gusta basado en las canciones que has escuchado últimamente.
Facebook: Reconocimiento de tu cara incluso en imágenes donde no has sido etiquetado.

  • ReCapcha
  • Netflix
  • Apple con Siri
  1. Imágenes: DIAN, esta unidad administrativa utiliza le lectura de imágenes, especialmente de códigos de las cédulas para hacer verificaciones cuando se requiere sacar el RUT (Registro único tributario).
  2. Vídeo: Netflix, utiliza patrones y preferencias del usuario a la hora de brindarte recomendaciones. Además recopila las portadas de series y películas más vistas para poder diseñar las nuevas portadas de contenido cinematográfico, es por ello que muchas veces vemos series y películas con portadas muy similares.
  3. Sonido: Spotify, utiliza tus gustos musicales para clasificar nuevas listas musicales o recomendaciones a partir de patrones y géneros ya escuchados.

wymo
spotify
y todo lo que nos espía google y amazon!

  1. Instagram
  2. Youtube
  3. Spotify

Facebook puede leer un texto en un anuncio de FB Ads e identificar si está usando más del 20% de la imagen

Google Translate puede traducir imágenes si las imágenes tienen texto

Pinterest - en imagen
google fotos
SAT

  1. Pinterest: Usan deep learning para la detección de imágenes según las preferencias, tendencias y búsqueda de los usuarios.
  2. Baidu Search: Implementan en el buscador detección de imágenes y reconocimiento de voz.
  3. Amazon - Alexa Voice Service: Reconocimiento de voz, análisis de patrones de voz para identificar emociones.

youtube
google image
Amazon prime

  1. Tik Tok. Por deep learning puede reconocer rostros y aplicar efectos aún cuando el rostro está en movimiento.
  2. Facebook. Reconoce el rostro de las personas por etiquetar en las fotos.
  3. Shazam. Identificar audios para dar con las canciones.

Al final creo que no dijo que es deep learning, sólo las aplicaciones, deep learning hace referencia a las arquitecturas de redes neuronales compuestas por gran cantidad de capas de procesamiento.

  1. Pinterest
  2. Shazam
  3. Tik Tok
  1. CAM SCAM DOCUMENTOS ADOBE SCAM
  2. GOGLE ART IDENTIFICA EL NOMBRE Y QUIEN ES EL ARTISTA
  3. GOOGLE FOTOS

Como dato Tesla ya lanzó la beta de su software full self driving para conducir con 0 intervenceión humana

https://www.tesla.com/support/autopilot

Empresas que usan Deep Learnig:

  1. Youtube (video)
  2. Google (imagen)
  3. Amazon (sonido)
  1. Facebook
    2 ) Spotyfy
    3 )Netflix

YouTube: Utiliza el vídeo para saber que contenidos tienen que censurar, utiliza el sonido para ver si se están infringiendo los derechos de autor de alguna canción.

Alexa: Reconocimiento de voz y comandos

Pachama: IA a través de imagenes satélitales para identificar zonas de potencial reforestación

Bottomless: Medición de peso para solicitar café antes de que se termine el paquete actual

Nuevo reto:

  1. Imagen: Instagram
  2. Video: Tik Tok
  3. Sonido: Deezer
photoshop, lo utiliza en su nueva versión. Portrait es una aplicación que cambia tus rasgos faciales. Deep Fake, copia la cara de otras personas a vídeos.

Si no mal recuerdo Shazam hasta sincroniza y te pone la letra de la canción donde va.

Empresas con DL:
-Nvidia últimamente lo aplica mucho para el realismo en juegos y aparte tiene librerías para muchas otras aplicaciones
-Twitter
-Kiwibot: es un robot urbano de domicilios

Imágenes: Google Imágenes, ya que es capaz de reconocer una amplia variedad de elementos en una imagen

Video: Facebook, ya que puede identificar si se esta incumpliendo alguna norma de la comunidad

Sonido: Afinador de algún instrumento

spotify
kiwibot
netflix

pinterest
baidu
facebook

Twitter, Facebook, Apple.

netflix, spotify y tiktok ya configuran su algoritmo conforme vemos escuchamos damos like, y demas
![](https://static.platzi.com/media/user_upload/image-6c3f1c2f-4b46-404f-8298-0c9ea3d7c54b.jpg)
1 - Tesla 2 - Spotify 3 - Youtube
# 🤖 **¿Qué es Deep Learning?** El **Deep Learning** es un subconjunto del **Machine Learning** que imita el funcionamiento del cerebro humano mediante **redes neuronales**. Estas redes aprenden a procesar y reconocer patrones complejos en grandes volúmenes de datos, como imágenes, audio, y video. ## 🔍 **¿En qué consiste el Deep Learning?** En Deep Learning, se utilizan **redes neuronales artificiales** con múltiples capas (de ahí el término "deep" o profundo). Cada capa de neuronas procesa la información de manera más abstracta y compleja, lo que permite a la máquina **aprender características a varios niveles**. Cuanto más profunda sea la red, más sofisticadas son las representaciones que puede aprender. Por ejemplo, en el reconocimiento de imágenes, las primeras capas pueden aprender a identificar **bordes y formas simples**, mientras que las capas más profundas pueden aprender a identificar **objetos completos** como perros, personas, o vehículos. ## 🧩 **Ejemplo de Identificación: Perro vs Pan** Imagina que tienes dos imágenes: una de un **perro** y otra de un **pan**. * **Imagen 4x4 píxeles:** En una imagen pequeña, incluso para los humanos, es difícil identificar diferencias entre el perro y el pan porque hay pocos detalles disponibles. * **Imagen 16x16 píxeles:** En una imagen más grande, los detalles son más claros, y **puedes identificar** el perro y el pan más rápidamente. Para una máquina, esto se traduce en procesar **miles o millones de píxeles** a una velocidad asombrosa. Usando **redes neuronales convolucionales (CNNs)**, la máquina analiza la imagen en diferentes capas, extrayendo características visuales relevantes, hasta que logra clasificar si es un perro o un pan. > La ventaja del Deep Learning es que **cuanto más grandes** y **detallados** son los datos, mejor puede aprender y clasificar. ## 🎧 **Shazam: Reconocimiento de Audio con Deep Learning** **Shazam** es una empresa que utiliza Deep Learning para reconocer canciones. El proceso de identificación sigue los siguientes pasos: 1. **Captura de sonido:** Shazam graba unos segundos de audio y lo convierte en una señal digital. 2. **Transformación a un espectrograma:** Esta señal se transforma en un **espectrograma**, que es una representación visual del sonido (frecuencias, amplitudes, y tiempo). 3. **Comparación de patrones:** El algoritmo de Deep Learning convierte estos datos en una secuencia de **puntos y líneas** que puede comparar con su base de datos de canciones. 4. **Resultados personalizados:** Una vez que identifica la canción, el sistema usa esta información para **mejorar las recomendaciones** de música basadas en tus preferencias previas. El Deep Learning en Shazam permite analizar **patrones complejos de audio** y **procesar grandes volúmenes de datos** en tiempo real, lo que lo hace eficiente para identificar canciones en cualquier entorno. ## 🚗 **Tesla: Vehículos Autónomos y Deep Learning** Los **vehículos autónomos** de Tesla son otro gran ejemplo de cómo se aplica el Deep Learning en la vida real. Estos vehículos utilizan una combinación de cámaras, radares y sensores para interpretar su entorno. ### 🖼️ **Procesamiento de Imágenes y Video:** * **Captura visual:** Los sensores y cámaras en el auto capturan imágenes y videos en tiempo real. * **Transformación de datos:** Estas imágenes son procesadas por redes neuronales, que transforman los objetos visualizados (como otros autos, peatones, señales de tráfico) en **códigos binarios (1s y 0s)**. * **Toma de decisiones:** El sistema utiliza estos datos para tomar decisiones como frenar, acelerar, cambiar de carril o girar, según lo que "ve" el coche en la carretera. El sistema es capaz de aprender **nuevas situaciones** a medida que recopila más datos y refina sus algoritmos, lo que le permite mejorar constantemente su capacidad de conducción. ### 🤖 **Ética y Deep Learning en Tesla:** Uno de los debates más importantes sobre el Deep Learning en los vehículos autónomos es la **ética**. ¿Cómo debe decidir un coche en caso de una situación de riesgo? ¿Debe proteger al conductor o a los peatones? Estos dilemas requieren que los algoritmos de Deep Learning tomen **decisiones morales** basadas en su entrenamiento, lo que plantea desafíos importantes. # 📊 **Reto: Empresas que Utilizan Deep Learning** 1. **Google** - Utiliza Deep Learning en su producto **Google Photos** para **organizar y reconocer imágenes** automáticamente, creando álbumes y clasificando fotos según objetos, personas y lugares. 2. **Amazon** - Emplea Deep Learning en su **sistema de recomendaciones** y en su plataforma de **reconocimiento facial** (Amazon Rekognition), para identificar personas y objetos en tiempo real. 3. **OpenAI** - Utiliza Deep Learning para desarrollar **modelos avanzados de lenguaje** como **GPT** (el motor detrás de ChatGPT), que son capaces de generar texto y mantener conversaciones que parecen humanas. ### 🚀 **Conclusión** El **Deep Learning** está presente en muchas áreas de nuestra vida cotidiana, desde la **identificación de canciones**, pasando por la **conducción autónoma**, hasta el **reconocimiento de imágenes y videos**. Esta tecnología se basa en redes neuronales que **aprenden y mejoran constantemente**, lo que permite a las máquinas tomar decisiones complejas con precisión y velocidad.