CCOM II. P1. Infografía
¿QUÉ SON LAS REDES NEURONALES?
Ejemplo con Código
¿Qué son las Redes Neuronales?
Python
Definición y Objetivo
Ejemplos
Estructura General
Prácticos y Visuales
Capas y Conexiones
Entrenamiento de las Redes
¿Cómo se conectan y calculan las neuronas?
Peso y Sesgo
Machine y Deep Learning
Funciones Matemáticas
De Activación y Pérdida
¿Cómo se conectan y calculan las neuronas?
- Cada conexión entre neuronas tiene un peso (x) - Indica su importancia - Cada neurona tiene un bias (y) = sesgo- Actúa como un desplazamiento La salida de una neurona se calcula así: Luego se activa una función de activación:
Función de Activación
- Transforma la suma ponderada z en una salida no lineal - Permitiendo que se aprenda relaciones complejas🧑🎓 - Un ejemplo es la función Sigmoide:
Función de Pérdida
- Mide qué tan mal está prediciendo la red 👎
Ejemplo Red de 1 capa
- Con la famosa fórmula,
- Calcular Velocidad de la luz [c]
- Automaticamente con una red neuronal
Deep Learning
- Es una rama del Machine Learning - Para Generación y Reconocimiento de: 📷 Imágenes. Video, Texto y Audio
Machine Learning
Aprendizaje Supervisado (con ayuda humana)🙍🏻 - Los datos son etiquetados por humanos🏷️ - Luego son agrupados por la máquina Aprendizaje no Supervisado (sin ayuda humana)🚫 -Los datos son agrupados directamente por la máquina -Según características Aprendizaje por Refuerzo
Estructura General
Red Neuronal --> formada por - Capas (layers) - de Neuronas (nodos) interconectadas 🤝 1. Capa de Entrada: Recibe los datos originales 2. Capas ocultas: Procesan la Info 3. Capa salida: Da el resultado final
¿Que son las redes neuronales??
Red Neuronal Artificial = Modelo matemático inspirado en el Cerebro Humano --> 🧠 Objetivo: - Aprender patrones --> partiendo de datos 🏫 - Realizar predicciones y clasificaciones 🎰 - Se utiliza en el campo del machine learning 🥀 Aprendizaje Supervisado = aprender de ejemplos etiquetados (Ejemplo Práctico)
Ejemplo
Esquema de una red neuronal simple con capa de entrada, capa oculta y capa de salida. Cada conexión tiene un peso (w) y cada neurona un bias (b), que se ajustan durante el aprendizaje supervisado.
CCOM II. P1. Infografía
Álvaro Prada Cuenca
Created on November 4, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Akihabara Agenda
View
Akihabara Content Repository
View
Interactive Scoreboard
View
Semicircle Mind Map
View
Choice Board Flipcards
View
Team Retrospective
View
Fill in the Blanks
Explore all templates
Transcript
CCOM II. P1. Infografía
¿QUÉ SON LAS REDES NEURONALES?
Ejemplo con Código
¿Qué son las Redes Neuronales?
Python
Definición y Objetivo
Ejemplos
Estructura General
Prácticos y Visuales
Capas y Conexiones
Entrenamiento de las Redes
¿Cómo se conectan y calculan las neuronas?
Peso y Sesgo
Machine y Deep Learning
Funciones Matemáticas
De Activación y Pérdida
¿Cómo se conectan y calculan las neuronas?
- Cada conexión entre neuronas tiene un peso (x) - Indica su importancia - Cada neurona tiene un bias (y) = sesgo- Actúa como un desplazamiento La salida de una neurona se calcula así: Luego se activa una función de activación:
Función de Activación
- Transforma la suma ponderada z en una salida no lineal - Permitiendo que se aprenda relaciones complejas🧑🎓 - Un ejemplo es la función Sigmoide:
Función de Pérdida
- Mide qué tan mal está prediciendo la red 👎
Ejemplo Red de 1 capa
Deep Learning
- Es una rama del Machine Learning - Para Generación y Reconocimiento de: 📷 Imágenes. Video, Texto y Audio
Machine Learning
Aprendizaje Supervisado (con ayuda humana)🙍🏻 - Los datos son etiquetados por humanos🏷️ - Luego son agrupados por la máquina Aprendizaje no Supervisado (sin ayuda humana)🚫 -Los datos son agrupados directamente por la máquina -Según características Aprendizaje por Refuerzo
Estructura General
Red Neuronal --> formada por - Capas (layers) - de Neuronas (nodos) interconectadas 🤝 1. Capa de Entrada: Recibe los datos originales 2. Capas ocultas: Procesan la Info 3. Capa salida: Da el resultado final
¿Que son las redes neuronales??
Red Neuronal Artificial = Modelo matemático inspirado en el Cerebro Humano --> 🧠 Objetivo: - Aprender patrones --> partiendo de datos 🏫 - Realizar predicciones y clasificaciones 🎰 - Se utiliza en el campo del machine learning 🥀 Aprendizaje Supervisado = aprender de ejemplos etiquetados (Ejemplo Práctico)
Ejemplo
Esquema de una red neuronal simple con capa de entrada, capa oculta y capa de salida. Cada conexión tiene un peso (w) y cada neurona un bias (b), que se ajustan durante el aprendizaje supervisado.