Si ha leído mis artículos anteriores, sabrá lo que viene a continuación. En esta parte de Internet, tomamos conceptos que parecen complejos y los hacemos divertidos y novedosos ilustrándolos. Y si no ha leído mis artículos anteriores, le recomiendo que comience con mi serie de artículos que cubren el conceptos básicos del aprendizaje automático porque encontrará que gran parte del material cubierto allí es relevante aquí.
Hoy vamos a abordar el tema grande: una introducción a las redes neuronales, una especie de modelo de aprendizaje automático. Este es solo el primer artículo de una serie completa que planeo escribir sobre aprendizaje profundo. Se centrará en cómo aprende una red neuronal artificial simple y le proporcionará una profundo (ja, juego de palabras) comprensión de cómo se construye una red neuronal, neurona por neurona, que es súper esencial ya que continuaremos construyendo sobre este conocimiento. Si bien profundizaremos en los detalles matemáticos, no hay necesidad de preocuparse porque desglosaremos e ilustraremos cada paso. Al final de este artículo, te darás cuenta de que es muchísimo más simple de lo que parece.
Pero antes de explorar eso, quizás te preguntes: ¿Por qué necesitamos redes neuronales? Con tantos algoritmos de aprendizaje automático disponibles, ¿por qué elegir las redes neuronales? Las respuestas a esta pregunta son abundantes y ampliamente discutido, por lo que no profundizaremos demasiado en ello. Pero vale la pena señalar que las redes neuronales son increíblemente poderosas. Pueden identificar patrones complejos en los datos con los que los algoritmos clásicos pueden tener dificultades, abordar problemas de aprendizaje automático altamente complejos (como el procesamiento del lenguaje natural y el reconocimiento de imágenes) y disminuir la necesidad de una extensa ingeniería de funciones y esfuerzos manuales.
Pero dicho todo esto, los problemas de las redes neuronales se reducen prácticamente a 2 categorías principales: clasificación, que predice una etiqueta discreta para una entrada determinada (por ejemplo: ¿es esta una imagen de un gato o un perro? ¿La reseña de esta película es positiva o negativa?) o Regresión, que predice un valor continuo para una entrada determinada (por ejemplo, predicción del tiempo).
Hoy nos centraremos en un problema de regresión. Considere un escenario simple: recientemente nos mudamos a una nueva ciudad y actualmente estamos buscando un nuevo hogar. Sin embargo, notamos que los precios de las casas en la zona varían significativamente.
Como no estamos familiarizados con la ciudad, nuestra única fuente de información es lo que…
