• Están dentro del aprendizaje automático, es decir, necesitan datos, y con ellos construyen un modelo
• Pueden hacerlo porque su estructura es matemáticamente un aproximador universal
• No son modelos intrínsicamente inteligibles
• El nombre les viene de que su diseño está basado en ideas sacadas de la organización cerebral

• La "neurona" hace un proceso con parámetros suyos y señales de otros
• Hay una tendencia a la organización en capas
• Hay muchas señales pasándose (conectividad)
• Hay muchas neuronas
• La respuesta dependerá de la influencia conjunta de todas

El proceso propio no es lineal. De ahí la potencia.

Ventajas	Inconvenientes
Si están todas las variables, si existe la relación y si tiene suficente tamaño, lo puede hacer Con un paquete de funciones para ello, no es difícil empezar a programarlo (pero las ideas inocentes no suelen bastar) Más potente suele querer decir más grande	No hay un protocolo de diseño (experiencia, aproximación gradual, pruebas) Es una caja oscura (pero no negra del todo: se puede sacar información) Si es grande, va a necesitar equipo informático potente

Todo eso se puede organizar de muchas formas. Algunos tipos populares:

• Perceptrón: idea básica de capas, cada elemento de una capa está conectado con todos los de la anterior
• Convolutivas: trabajan sobre series de datos del mismo tipo (sonido, imagen, historia, ...)
• Realimentadas: van recordando su respuesta anterior. Para trabajar con datos temporales
• Transformadoras (generativa): incluyen consideración de contexto, de posición, etc. Muy buenas en lenguaje

Cualquiera de ellas, cuando tiene muchas capas, se llama profunda (Deep Learning)

1. Carga los datos. Codificarlos en núméros
2. Preproceso: deben estar en misma escala
3. Estrategia para ajuste y estimar capacidad de generalizar = partir datos
4. Define una medida de error en la respuesta que sea significativa y matemáticamente útil
5. Lanza un algoritmo de ajuste/aprendizaje sobre la red que minimice ese error sobre los datos
6. Comprueba la respuesta de la red
7. Analízala

Índice