HERRAMIENTAS DE INTELIGENCIA ARTIFICIAL. APRENDIZAJE PROFUNDO Y REDES NEURONALES CONVOLUCIONALES

El diseño de los modelos de inteligencia artificial se realiza a través de tres pilares esenciales: Aprendizaje Automático, Aprendizaje Profundo y Ciencia de Datos. Utilizando MATLAB, ingenieros y otros expertos han desplegado gran variedad de aplicaciones de aprendizaje automático que generan automáticamente funcionalidades a partir de datos de entrenamiento y optimizan modelos de todo tipo. El aprendizaje profundo es un subconjunto del aprendizaje automático basado en redes neuronales artificiales. El proceso de este aprendizaje se denomina profundo porque la estructura de estas redes consiste en tener múltiples entradas, salidas y capas ocultas. Cada capa contiene unidades que transforman los datos de entrada en información y, de este modo, la capa siguiente puede utilizarla para una determinada tarea predictiva. De este modo, una máquina puede aprender a través de su propio procesamiento de datos. MATLAB reduce significativamente el tiempo necesario para pre-procesar y etiquetar conjuntos de datos con aplicaciones específicas de dominio para datos de audio, vídeo, imagen y texto. Sincroniza series temporales dispares, sustituye los valores atípicos por valores interpolados, agudiza las imágenes y filtra las señales con ruido. Utiliza aplicaciones interactivas para etiquetar, recortar e identificar características importantes, y algoritmos integrados para automatizar el proceso de etiquetado. MATLAB cuenta con la herramienta Neural Network Toolbox (Deep Leraning Toolbox a p