Aprendizaje automático

Desde el abecedario hasta el doctorado, Wolfram Language es la herramienta ideal para el aprendizaje automático.

Clasificadores

Clasificadores incorporados

No es necesario ser experto para utilizar aprendizaje automático en su proyecto: Wolfram Language posee funciones clasificadoras preentrenadas y listas para su uso, las cuales puede emplear para realizar tareas útiles e interesantes.

In[•]:=
Out[•]=

Wolfram Language incluye un amplio rango de clasificadores preentrenados que puede aplicar en texto, imágenes, y más.

Revise la lista completa de clasificadores preentrenados

Creación de clasificadores personalizados

Puede ahorrar mucho tiempo usando la función Classify. Classify puede aprender una tarea de clasificación a partir de un pequeño conjunto de ejemplos y determinar de forma automática la mejor manera de clasificar sus datos.

Por ejemplo, imaginemos que necesita crear etiquetas para 1000 fotografías de vacaciones según si hay o no personas presentes. Esta tarea tomaría mucho tiempo si se fuera a realizar a mano. Con solo etiquetar 20 fotografías, Classify puede aprender a diferenciar de forma automática entre fotografías con o sin personas, y etiquetar el resto en menos de un segundo:

In[•]:=
Out[•]=

Pongamos a prueba la nueva ClassifierFunction que creamos con nuevas imágenes que no ha visto antes:

In[•]:=
Out[•]=

Redes neuronales

Redes neuronales preconstruidas

Se dará cuenta que, para muchas tareas comunes, el Repositorio de redes neuronales Wolfram contiene exactamente la red neuronal que desea implementar, sin costo y lista para usarla de inmediato en su proyecto. Como un ejemplo visual, usamos la red CycleGAN para cambiar el estilo de una imagen a uno similar al de Van Gogh:

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

Haga clic aquí para un listado completo de las más de 100 redes neuronales disponibles en el Repositorio de redes neuronales Wolfram

Redes neuronales personalizadas

Wolfram Language cuenta con extraordinarias herramientas para crear redes neuronales sofisticadas e incluso prototipos con rapidez. Estas herramientas incluyen constructos de alto nivel como NetTrain y NetChain.

Construya una red que calcule una pérdida de forma explícita:

In[•]:=
Out[•]=

Inicie la red y evalúela en una entrada:

In[•]:=

In[•]:=
Out[•]=

En este ejemplo se usa NetTrain para entrenar una red neuronal. Una ventana de progreso le permite revisar el resultado del entrenamiento en tiempo real.

Construya una red manualmente e iníciela con parámetros aleatorios:

In[•]:=
Out[•]=

Evalúela en un conjunto de valores:

In[•]:=
Out[•]=
In[•]:=

Entrene la red por algunas rondas, revisando en tiempo real cómo se ajusta al modelo:

In[•]:=

El resultado de la red ahora se acerca al cálculo simbólico:

In[•]:=
Out[•]=
In[•]:=
Out[•]=

Primeros pasos

Recursos de aprendizaje

Vías de aprendizaje

Pruébelo ahora, aprenda después

¿Desea probarlo? Familiarícese con Wolfram Language mientras prueba muestras reales de código enfocadas en aprendizaje automático.

¡Pruébelo al instante! Acceda mediante una cuenta gratuita de Wolfram Cloud
Certifíquese de forma gratuita en Wolfram Language

Hemos facilitado aprender Wolfram Language a su manera. Pruebe nuestro curso interactivo gratuito y obtenga una certificación.

¡Comience el curso interactivo ahora mismo! Completarlo toma alrededor de 7 horas
¡Pruébelo al instante! Acceda mediante una cuenta gratuita de Wolfram Cloud
¡Comience el curso interactivo ahora mismo! Completarlo toma alrededor de 7 horas

Lleve el aprendizaje automático al siguiente nivel

¿Desea continuar explorando el aprendizaje automático?

Si desea descubrir más acerca del contenido disponible de Wolfram para aprendizaje automático, diríjase a la página web de Aprendizaje automático Wolfram. Encontrará:

  • Un resumen completo
  • Documentación y funciones especializadas
  • Redes neuronales preentrenadas
  • Ejemplos descargables
  • Clases en línea y recursos adicionales
Información adicional

Producto recomendado