Redes neuronales y Deep Learning

Las redes neuronales se inspiran en el cerebro: unidades (neuronas) conectadas que transforman la información por capas.

Una red neuronal profunda: entrada → capas ocultas → salida.

Componentes

• Capa de entrada: recibe las features.
• Capas ocultas: extraen patrones cada vez más abstractos.
• Capa de salida: produce la predicción.
• Pesos y sesgos: parámetros que se ajustan durante el entrenamiento.
• Función de activación (ReLU, sigmoid): introduce no-linealidad.

Backpropagation

El error se propaga hacia atrás para ajustar cada peso mediante descenso de gradiente. Es el corazón del aprendizaje.

Arquitecturas famosas

• CNN: imágenes y visión.
• RNN/LSTM: secuencias y series de tiempo.
• Transformers: base de los LLM modernos.