aprendizaje profundo
826 Visualizaciones

CG: nm

CA: Ciencia de los Ordenadores – Inteligencia artificial.

CT: El aprendizaje profundo, también conocido cono redes neuronales profundas, es un aspecto de la inteligencia artificial (AI) que se ocupa de emular el enfoque de aprendizaje que los seres humanos utilizan para obtener ciertos tipos de conocimiento. En su forma más simple, el aprendizaje profundo puede considerarse como una forma de automatizar el análisis predictivo.

F: TechTarget- http://cort.as/-ABW6 (consulta: 8.01.2019)

DEF: Actividad automática de adquisición de conocimiento, a través del uso de máquinas que usan varios niveles para la extracción.

F: INAOE – http://cort.as/-BWP_ (consulta: 8.01.2019)

N: 1. – aprendizaje (nm): Término compuesto por la palabra «aprendiz» (del sustantivo «aprendiz, za», para el femenino, usado también la forma «aprendiz»), ‘persona que aprende algún arte u oficio’, ‘persona que, a efectos laborales, se halla en el primer grado de una profesión manual, antes de pasar a oficial’, y el sufijo «-aje» (del francés -age y del occitano y catalán -atge, y estos del latín -atĭcus) ‘que forma sustantivos que expresan acción’.

  • Acción y efecto de aprender algún arte, oficio u otra cosa.
  • Tiempo que se emplea en el aprendizaje.
  • Psicol. Adquisición por la práctica de una conducta duradera.

– profundo (adjm): Del adjetivo «profundo, da» (del latín profundus) ‘dicho del entendimiento, de las cosas a él concernientes o de sus producciones: Extenso, vasto, que penetra o ahonda mucho’.
2. No hay resultados en el CORDE y el CREA arroja solo un resultado, pero aplicado al ámbito educativo. En el CORPES XXI sí que aparecen resultados en el ámbito que nos ocupa, entre otros, este. Año: 2015. Criterio: Primera edición. Medio: Escrito. Bloque: No ficción. Soporte: Prensa. Tema: Ciencias y Tecnología. País: República Dominicana. Zona: Antillas. Tipología: Noticia.
No hay resultados en el Nuevo Tesoro Lexicográfico de la Lengua Española (NTLLE).
3. El aprendizaje profundo trata del uso de redes neuronales para mejorar cosas tales como el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural. Una red neuronal es un sistema de programas y estructuras de datos que se aproxima al funcionamiento del cerebro humano.
4. El adjetivo «profundo» se aplica no en sí al conocimiento adquirido, sino a la forma en que el conocimiento se adquiere.
5. Mientras que los algoritmos tradicionales de aprendizaje automático son lineales, los algoritmos de aprendizaje profundo se apilan en una jerarquía de creciente complejidad y abstracción. Para entender el aprendizaje profundo, imagine a un niño cuya primera palabra es «perro». El niño aprende lo que es (y lo que no es) un perro señalando objetos y diciendo la palabra «perro». El padre dice «Sí, eso es Perro» o «No, eso no es un perro». Mientras el niño continúa apuntando a los objetos, se vuelve más consciente de las características que poseen todos los perros. Lo que el niño hace, sin saberlo, es aclarar una abstracción compleja (el concepto de perro) construyendo una jerarquía en la que cada nivel de abstracción se crea con el conocimiento que se obtuvo de la capa precedente de la jerarquía.
6. En el aprendizaje tradicional de las máquinas, el proceso de aprendizaje es supervisado y el programador tiene que ser muy específico al decirle a la computadora qué tipos de cosas debe buscar para decidir si una imagen contiene un perro o no. Este es un proceso laborioso llamado extracción de características y la tasa de éxito de la computadora depende totalmente de la capacidad del programador para definir con precisión un conjunto de características para «perro». La ventaja del aprendizaje profundo es que el programa construye el conjunto de características por sí mismo sin supervisión. Esto no es sólo más rápido, sino que por lo general es más preciso.
7. Con el fin de lograr un nivel aceptable de precisión, los programas de aprendizaje profundo requieren acceso a inmensas cantidades de datos de entrenamiento y poder de procesamiento, ninguno de los cuales estaba fácilmente disponible para los programadores hasta la era de los grandes datos y la computación en nube. Debido a que la programación del aprendizaje profundo es capaz de crear modelos estadísticos complejos directamente a partir de su propia salida iterativa, es capaz de crear modelos predictivos precisos a partir de grandes cantidades de datos no etiquetados y no estructurados.

F: 1. DLE – http://cort.as/-DpmE; http://cort.as/-DpmN; http://cort.as/-Dpmc; http://cort.as/-Dpmd (consulta: 12.01.2019). 2. CORDE; CREA; CORPES XXI (consulta: 8.01.2019); NTLLE (consulta: 12.01.2019). 3. OM – http://cort.as/-A8pQ (consulta: 8.01.2019). 4. NAOE – http://cort.as/-BWP_ (consulta: 8.01.2019). 5 a 7. TechTarget – http://cort.as/-ABW6 (consulta: 8.01.2019).

SIN: redes neuronales profundas

F: TechTarget- http://cort.as/-ABW6 (consulta: 8.01.2019)

RC: agente inteligente, aprendizaje automático, aprendizaje virtual, asistente virtual, ciencias cognitivas, cognición, informática, inteligencia artificial, red semántica, sistema inteligente

IL: Vídeo explicativo sobre el proyecto de investigación de inteligencia artificial centrado en el aprendizaje profundo: Google Brain.

F: IIEMD – http://cort.as/-Dpnh (consulta: 12.01.2019)