El Círculo de Estudios de Business Intelligence (CEBI), de la Carrera de Ingeniería de Sistemas de la Facultad de Ingeniería y Arquitectura de la Universidad de Lima, realizó el sábado 12 de marzo el taller AI & Deep Learning Essentials, en el que se dieron a conocer los principales conceptos relacionados con inteligencia artificial (IA) y el aprendizaje de las características subyacentes en los datos utilizando redes neuronales profundas.
El expositor fue el egresado de la UNI, John H. Caballero Terrazos, experto en metodologías de machine learning para soluciones empresariales y cuantificación de riesgos, quien, luego de una extensa parte introductoria, en la que se refirió a los orígenes de la IA a mediados del siglo pasado hasta nuestros días, habló sobre el aprendizaje automático (machine learning) y explicó cómo funcionan las redes neuronales artificiales, qué es el descenso gradiente, el vanishing gradient y las funciones de activación. El expositor señaló:
“Las redes neuronales artificiales funcionan igual que las redes neuronales biológicas: hay estímulos –que vienen a ser la información que entra–, la neurona procesa la información mediante funciones matemáticas y devuelve un ‘output’, una respuesta”.
El ponente agregó:
“Hay tres tópicos específicos que nos permitirán entender cómo funcionan las redes neuronales: el ‘forward propagation’ (ir iterando de forma bruta hasta obtener un resultado inicial), que nos va a ayudar a entender las operaciones matemáticas que hay en una red neuronal; el ‘backward propagation’ (método de optimización); y las ‘activation functions’ (funciones de activación)”.
Caballero concluyó el evento con un laboratorio en el que los asistentes virtuales pudieron ver cómo se aplican las redes neuronales usando el programa Keras.
