Una de las razones principales por la cual el Deep Learning (DL) esta siendo tan ocupado porque puede resolver problemas mucho mas complejos que lo podrían hacer otros algoritmos de Machine Learning, el algoritmo predilecto del DL son las redes neuronales, están pensadas para tener un funcionamiento al de una neurona real, en donde el resultado de una sirve como entrada de la siguiente. Además en cuanto al ámbito del hardware también ha sido un factor que ha contribuido para la proliferación de esta técnica, porque ahora se puede hacer muchos mas cálculos y reducir el tiempo de entrenamiento gracias al uso de GPU en vez de CPU.
Podemos enumerar las siguientes ventajas y desventajas de las redes neuronales.
Ventajas:
- El proceso de extracción de características ya no se hace de manera manual sino de forma automática.
- Se puede resolver problemas de regresión, clasificación binaria y multiclase.
- El entrenamiento se puede hacer en bloques (batch), ya que normalmente se ocupa una gran cantidad de datos para esta fase.
Desventajas:
- Se necesita una gran cantidad de datos (millones) para que las redes neuronales tengan un buen desempeño en cuanto al problema que se quiere resolver.
- El costo computacional es muy alto en comparación con otros algoritmos de aprendizaje computacional mas tradicionales.
- El entrenamiento puede conllevar una cantidad de tiempo considerablemente mas grande que los algoritmos tradicionales.
Top comments (0)