¿Qué es el ''deep learning''?

Lo usas a diario sin darte cuenta y es clave para conocer el funcionamiento de la Inteligencia Artificial. La Biblioteca de Ciencias te acerca a los grandes gurús del ''Deep learning'', un lenguaje que, según los expertos, ''reescribirá el futuro profesional'' en los próximos años.

El ''Deep learning'' (que podíamos traducir como ''aprendizaje profundo'' o ''aprendizaje automático'') abarca un grupo de algoritmos que reconocen patrones de repetición, palabras concretas, comportamientos frecuentes… Esta manera de procesar datos en múltiples capas permite a las máquinas comprender y generar texto de manera eficiente.

Funciona cuando pedimos algo a Alexa, cuando desbloqueamos nuestro móvil con reconocimiento facial o ponemos filtros a una imagen, entre un largo etcétera. Ahora, puedes aprender qué hay detrás de la mano del último libro de Chris Bishop (recién llegado a la Biblioteca de Ciencias).

¿Qué es realmente el deep learning y por qué funciona?

Bishop es el responsable del laboratorio de investigación de Microsoft en Cambridge. Este físico teórico también asesora al gobierno británico en todo lo relativo a Inteligencia Artificial. Aquí tienes el enlace a su último libro disponible en préstamo en la Biblioteca de Ciencias y, de manera online, con la VPN de la UAM:

• Bishop, C. M., & Bishop, H. (2024). Deep Learning: Foundations and Concepts (1st edition). Springer. https://doi.org/10.1007/978-3-031-45468-4

Más libros de IA en la Biblioteca de Ciencias:

Estadística, Machine Learning, Deep Learning… no te pierdas nuestros libros recomendados en IA que encontrarás en la Biblioteca de Ciencias, puedes leer sobre la parte más teórica o sobre sus dilemas éticos o incluso sobre su aplicación comercial y en la gestión de equipos.

• Goodfellow, I., Bengio, Y., Courville, A., & Massachusetts Institute of Technology, editor. (2016). Deep learning. MIT Press.
• Bishop, C. M. (2006). Pattern recognition and machine learning. Springer.
• Hastie, T., Tibshirani, R., & Friedman, J. (2001). The elements of statistical learning: data mining inference and prediction. Springer.
• Prince, S. J. D. (2023). Understanding deep learning. The MIT Press.
• Canty, M. J. (2019). Image analysis, classification, and change detection in remote sensing: with algorithms for Python (4th edition). CRC Press.
• Young, H. D., & Freedman, R. A. (2016). Sears and Zemansky’s university physics: with modern physics (14th ed.). Pearson.
• MacKay, D. J. C. (2011). Information theory, inference, and learning algorithms. Cambridge University Press.
• Murphy, K. P. (2022). Probabilistic machine learning: advanced topics. The MIT Press.
• Shah, C. (2023). A hands-on introduction to machine learning (1a edition). Cambridge University Press.

Foto: Canva