Inteligencia Aprendizaje Aprendizaje Aprendizaje
Artificial Automático Profundo Automático
Construye modelos para
Subconjunto de la IA, utiliza Subconjunto especializado clasificar y hacer
Simula comportamientos predicciones basadas en
algoritmos para tomar de aprendizaje automático,
inteligentes humanos, datos y a diferencia de los
decisiones basadas en utiliza redes neuronales en
involucra planificación, algoritmos tradicionales,
datos sin ser programados capas, permite un
aprendizaje, razonamiento, crea el algoritmo a partir
explícitamente, aprendizaje continuo y
resolución de problemas, de los datos y respuestas.
entrenamiento con grandes mejora la calidad de
entre otros.
conjuntos de datos. resultados con el tiempo.
Tipos de Aprendizaje
Redes Ciencia de
Neuronales Datos
Extrae No supervisado: Reforzado:
Colección de unidades Supervisado:
llamadas neuronas, conocimientos de sin etiquetas, Aprendizaje
Entrena con datos
inspiradas en redes grandes volúmenes encuentra basado en
neuronales biológicas, pero etiquetados
funcionan de manera
de datos, puede patrones. recompensas
diferente, eficientes con utilizar técnicas de
conjuntos de datos IA para obtener
grandes.
información.
Aprendizaje automático y
Conceptos de IA tipos de algoritmos
Procesamiento del Visión por
Lenguaje Natural Computadora
Enfocada en la
Tarea compleja para el
comprensión de datos
aprendizaje automático debido
visuales.
Procesamiento del Visión por Datos basados en
a la naturaleza conceptual y no
literal del lenguaje. Importante para
La comprensión de lenguajes aplicaciones como
naturales implica patrones reconocimiento facial, Lenguaje Natural Computadora Audio
discernibles y
detección de objetos y
contextualización.
realidad aumentada.
Subcategorías incluyen Incluye tecnologías como
Conceptos de IA
Se utiliza en campos como
Áreas de Aplicaciones procesamiento de audio y
visual para comprender el
la detección de objetos,
reconocimiento facial y
conversión de texto a voz y
viceversa.
lenguaje natural. Desafíos incluyen la
Específicas
realidad aumentada.
Uso de algoritmos de variabilidad en idiomas,
Datos basados en
Datos Tabulares
Aplicación aprendizaje profundo y
modelos lingüísticos para
Permite a las máquinas
interpretar y procesar
acentos y la complejidad
inherente de los datos de
imágenes y videos.
Audio comprender el significado. audio.
Desafíos significativos Comprensión
debido a la diversidad de tradicional de datos
idiomas y pronunciaciones.
estructurados o
Audio es difícil de trabajar
tabulares.
porque representa
vibraciones de moléculas Se refiere al análisis
de aire, generando grandes de datos organizados
cantidades de datos. en filas y columnas.
Aprendizaje Profundo y Redes Neuronales Artificiales
Aplicaciones y Tipos
Aprendizaje Profundo Redes Neuronales Artificiales
Colección de
Subconjunto especializado
neuronas que
del aprendizaje automático,
utiliza capas de algoritmos imitan el
para crear redes procesamiento del
neuronales, eficiente en
cerebro, aprenden a
datos no estructurados
como imágenes y audio, través de
retropropagación
Aplicaciones del Aprendizaje Profundo Tipos de Redes Neuronales
Perceptrones
Redes neuronales Redes neuronales
subtítulos de simples, efectúa
convolucionales recurrentes (RNN),
imágenes, cálculos para
Componente (CNN), buenas para útiles para
detectar
Comprende el reconocimiento procesamiento de secuencia de datos
clave en vehículos características o
lenguaje natural de vos, imágenes y lenguaje con dependencia
sin conductor tendencias en los
reconocimiento natural temporal
datos de entrada
facial, etc.
