UNIVERSIDAD DE LAS FUERZAS

ARMADAS ESPEL
EXTENSIN LATACUNGA
INGENIERA MECATRNICA
David Lpez
APRENDIZAJE PROFUNDO
Aprendizaje profundo (en ingls, deep learning) es un conjunto de algoritmos en
aprendizaje automtico (en ingls, machine learning) que intenta modelar
abstracciones de alto nivel en datos usando arquitecturas compuestas de
transformaciones no-lineales mltiples.
Aprendizaje profundo es parte de un conjunto ms amplio de mtodos de aprendizaje
automtico basados en aprender representaciones de datos. Una observacin (por
ejemplo, una imagen) puede ser representada en muchas formas (por ejemplo, un
vector de pxeles), pero algunas representaciones hacen ms fcil aprender tareas de
inters (por ejemplo, es esta imagen una cara humana?) en base a ejemplos, y la
investigacin en esta rea intenta definir cules representaciones son mejores y cmo
crear modelos para aprender estas representaciones.
Varias arquitecturas de aprendizaje profundo, como redes neuronales profundas,
redes neuronales profundas convolucionales, y redes de creencia profundas, han sido
aplicadas a campos como visin por computador, reconocimiento automtico del
habla, y reconocimiento de seales de audio y msica, y han mostrado producir
resultados de vanguardia en varias tareas.

DEFINICIONES
No existe una nica definicin de aprendizaje profundo. En general se trata de una
clase de algoritmos para aprendizaje mquina. A partir de este punto comn,
diferentes publicaciones se centran en un conjunto de caractersticas diferentes, por
ejemplo:

Usar una cascada de capas con unidades de procesamiento no lineal para

extraer y transformar caractersticas. Cada capa usa la salida de la capa
anterior como entrada. Los algoritmos pueden utilizar aprendizaje supervisado

o no supervisado, y las aplicaciones incluyen reconocimiento de patrones y

clasificacin estadstica.
Estar basados en el aprendizaje (no supervisado) de mltiples niveles de
caractersticas o representaciones de datos. Las caractersticas de ms alto
nivel se derivan de las caractersticas de nivel inferior para formar una
representacin jerrquica.
Formar parte del campo del aprendizaje mquina para aprender
representaciones de datos.
Aprender mltiples niveles de representacion que corresponden con diferentes
niveles de abstraccin. Estos niveles forman una jerarqua de conceptos.

Todas estas maneras de definir el aprendizaje profundo tienen en comn (1) mltiples
capas de procesamiento no lineal y (2) el aprendizaje supervisado o no supervisado de
representaciones de caractersticas en cada capa. Las capas forman una jerarqua de
caractersticas desde un nivel de abstraccin ms bajo a uno ms alto.
Los algoritmos de aprendizaje profundo contrastan con los algoritmos de aprendizaje
poco profundo por el nmero de transformaciones aplicadas a la seal mientras se
propaga desde la capa de entrada a la capa de salida. Cada una de estas
transformaciones incluye parmetros que se pueden entrenar como pesos y umbrales.
No existe un estndar de facto para el nmero de transformaciones (o capas) que
convierte a un algoritmo en profundo, pero la mayora de investigadores en el campo
considera que aprendizaje profundo implica ms de dos transformaciones
intermedias. (Wikipedia, 2015)

FORMAS DE ESTRATEGIAS DE APRENDIZAJE

Aprendizaje Profundo
En forma resumida, esta estrategia se caracteriza por incorporar el anlisis
crtico de nuevas ideas, las cuales son integradas al conocimiento previo sobre
el tema, favoreciendo con ello su comprensin y su retencin en el largo plazo
de tal modo que pueden, ms tarde, ser utilizadas en la solucin de problemas
en contextos diferentes.
Para lograr aprendizaje profundo se requiere utilizar altos niveles de
habilidades cognitivas tales como anlisis (comparar, contrastar) y sntesis
(integrar el conocimiento en una nueva dimensin).
El aprendizaje profundo promueve la comprensin y la aplicacin de los
aprendizajes de por vida.

Aprendizaje Superficial
En esta estrategia el aprendiz memoriza la informacin como hechos aislados,
sin conexin con experiencias previas o con el contexto general. El objetivo
central es retener datos para aprobar la evaluacin.
En el aprendizaje superficial slo se requiere un nivel bajo de habilidad
cognitiva, principalmente orientado a conocer. Ello explica el rpido olvido
de la materia estudiada al poco tiempo de haber rendido las evaluaciones.

Aprendizaje Estratgico
Se describe una tercera forma de estrategia de aprendizaje en la cual el
estudiante busca todos los medios para destacarse y obtener altas
calificaciones. No es otra cosa que una muy bien organizada forma de
estrategia superficial.

FACTORES QUE PROMUEVEN ESTRATEGIAS DE APRENDIZAJE

PROFUNDO
Dependientes del ambiente de aprendizaje:

Confiabilidad en el nivel de calificacin de la Facultad

Facultad generadora de ambiente flexible, cordial, apoyador
Claridad de objetivos y metas
Programas motivadores, relevantes para la carrera profesional
Apropiado clima social y acadmico

Dependientes del docente:

Adoptar una conducta andraggica (participando como facilitador y gua) en
vez de pedaggica (centrada en la entrega de informacin)
Entregar retroalimentacin positiva
Establecer metas realistas, de acuerdo a cada nivel de enseanza y en base a
contenidos nucleares
Utilizar metodologas participativas
Propiciar la interaccin entre estudiantes (proyectos grupales)
Enseanza directa de habilidades y competencias clnicas
Evaluar altos niveles cognitivos

Dependientes del currculo:

Establecer contenidos esenciales evitando la sobrecarga de informacin

Disear modelos de currculo integrados
Incorporar metodologas centradas en el estudiante
Desarrollar instrumentos y mtodos de evaluacin en concordancia con las
metodologas y los objetivos

(Fasce, n.d.)

BIBLIOGRAFIA

Fasce,
E.
(n.d.).
Tendencias.
Retrieved
Junio
2,
2015
http://www2.udec.cl/ofem/recs/anteriores/vol412007/esq41.htm

Wikipedia. (2015, Mayo 3). Wikipedia. Retrieved Junio 2, 2015 from

http://es.wikipedia.org/wiki/Aprendizaje_profundo

from