El aprendizaje profundo es un subcampo del aprendizaje automático. Repasamos qué cambia entre uno y otro, cuándo suele convenir cada uno, por qué despegó en 2012 y qué límites tiene.
Guía de decisión para elegir entre modelos lineales, regresión logística, árboles, bosques aleatorios, gradient boosting y redes neuronales con datos tabulares, con código en NumPy y los límites de cada uno.
Qué cambia dentro de una red neuronal cuando «aprende»: neuronas, capas, función de pérdida, retropropagación y descenso de gradiente, con una versión mínima en NumPy y el mismo bucle en PyTorch.
El aprendizaje automático (machine learning) deduce reglas a partir de ejemplos. Repasamos su definición, sus tres modos de aprender, cómo se comprueba que funciona, sus límites y su encaje en la regulación europea.