Lección 4 del módulo “Introducción al Deep Learning” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos las diferencias entre la Inteligencia Artificial, el Machine Learning y el Deep Learning.
En esta lección comenzaremos a enfocarnos en el Deep Learning y en particular veremos cuál ha sido su evolución y algunos ejemplos exitosos que nos permiten ver su potencial en diferentes áreas como el procesamiento de imágenes y el procesamiento del lenguaje natural, entre otras.
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, acabamos de ver cómo el Deep Learning ha experimentado un crecimiento exponencial desde sus raíces en las teorías de Donald Hebb en 1949 y el desarrollo del perceptrón de Rosenblatt en 1958 hasta los grandes avances logrados hacia el año 2010 en la capacidad de cómputo y el almacenamiento de grandes cantidades de datos.
Esto ha permitido desarrollar modelos más sofisticados capaces de resolver problemas complejos en áreas como visión artificial y el procesamiento del lenguaje, entre otros, dando lugar a aplicaciones prácticas como asistentes digitales, reconocimiento de objetos y sistemas de recomendación, entre otros.
Bien, con este panorama que acabamos de ver es momento de cerrar esta parte introductoria del curso hablando de las definiciones y tipos de problemas que resuelve el Deep Learning, que será precisamente el tema de la próxima lección.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.