Con Aprendizaje Automático Machine Learning podemos hacer muchas cosas complejas e increíbles.
Sin embargo, hoy quiero centrarme en crear una red neuronal simple, pero que a la vez nos haga ver, exactamente cómo y por qué funciona y nos permite ver las diferencias que hay entre el Aprendizaje Automático y la programación regular.
El Aprendizaje Automático funciona conceptualmente diferente a la programación regular.
En la programación regular normalmente nosotros programamos algoritmos para convertir entradas en resultados.
Nosotros escribimos las reglas y lógica necesarias para lograrlo.
En el caso del Aprendizaje Automático es diferente.
Contamos con una lista de entradas y resultados, pero no necesariamente sabemos cómo convertir esas entradas en los resultados.
Es decir, no conocemos el algoritmo que puede hacer la conversión.
Lo que queremos es crear un modelo que pueda tomar esas entradas, los resultados esperados de cada entrada y pueda aprender por sí solo el algoritmo necesario para hacer la conversión.
Esa es la diferencia principal entre programación regular y el Aprendizaje Automático.
Veamos un escenario en acción.
Imagina que quieres convertir grados Celsius a Fahrenheit.
La fórmula o algoritmo para hacerlo es la siguiente.
Fahrenheit igual a Celsius por 1.8 más 32.
Comencemos primero viendo cómo lo haríamos con programación regular.
Para esto escribiremos una función, Esta función recibe como entrada los grados Celsius que queremos transformar.
Aquí tenemos el algoritmo.
Y finalmente regresamos el resultado.
Muy bien, esa fue una programación regular.
Simple, ¿verdad?
Veamos cómo lograríamos esto utilizando Aprendizaje Automático. Recordemos que el Aprendizaje Automático nos sirve cuando no conocemos la fórmula o algoritmo.
Así que por un momento imaginemos que no conocemos la fórmula de conversión.
Contamos solamente con entradas en Celsius y resultados esperados en Fahrenheit y buscamos que nuestro modelo aprenda por sí solo el algoritmo.
Utilizaremos los siguientes datos.
Una tabla cuenta con 7 ejemplos y muestra los grados Celsius y el resultado correspondiente en Fahrenheit.
Lograremos esto con una red neuronal.
Una red neuronal grande puede tener millones de neuronas conectadas y puede tomar decisiones muy complejas basadas en muchos datos y variables.
Hoy usaremos la red neuronal más simple que podamos y aprovecharemos para ver a detalle cómo funciona.
Las redes neuronales se separan en capas.
Cada capa puede tener una o más neuronas.
Cualquier red tiene siempre al menos una capa de entrada que es donde se reciben los datos de entrada, en este caso los grados Celsius que queremos convertir.