DP - IA - Clase 2: Funcionamiento de Redes Neuronales + NLP

Funcionamiento de Redes Neuronales + NLP

Cómo logramos que las máquinas entiendan el lenguaje humano, algo que las grandes plataformas tecnológicas usan todos los días

​Hoy

Qué es la Inteligencia Artificial
Historia
Machine learning

​Semana pasada

Dónde estamos

​Calentando motores

Piensen en los buscadores, los filtros de comentarios en redes sociales o los chatbots de atención al cliente. Detrás de todo eso, hay sistemas tratando de entender qué escribimos. Hoy vamos a desarmar cómo funcionan por dentro. Este es el campo del Procesamiento de Lenguaje Natural o NLP.

Fundamentos de Redes Neuronales

• La Analogía Central: La neurona biológica como inspiración.

• Componentes Clave de una Red Neuronal Artificial (RNA):

  • Capas (Layers): Entrada (los datos), Ocultas (el "cerebro" que procesa) y Salida (la respuesta).

  • Pesos (Weights): ¡La clave del aprendizaje! 🧠 Son números que la red ajusta durante el entrenamiento para minimizar su error. Son como las perillas de una receta que se giran hasta que el resultado es perfecto.

  • Función de Activación: El interruptor que, basado en la información que le llega, decide si una neurona "dispara" o no.

Introducción al Procesamiento de Lenguaje Natural (NLP)

• ¿Qué es NLP? La disciplina que enseña a las computadoras a entender, interpretar y generar lenguaje humano.

• El Gran Desafío: El lenguaje es ambiguo, contextual y lleno de matices (sarcasmo, regionalismos).

• Tareas Comunes de NLP (con ejemplos universales):

  • Análisis de Sentimiento: ¿Un comentario en un video es positivo o negativo?

  • Clasificación de Texto: Clasificar un email. Por ejemplo, el asunto "Confirmación de tu pedido online" se clasifica como "Compras".

  • Reconocimiento de Entidades Nombradas (NER): En una noticia como "La empresa Globant inauguró oficinas en Tandil", el sistema identifica a Globant como 'Organización' y a Tandil como 'Ubicación'.

Multiple Choice

1. En una red neuronal, ¿qué componente se ajusta durante el proceso de entrenamiento para minimizar el error y "aprender" de los datos?

• La función de activación.

• Los pesos (weights) de las conexiones.

• La cantidad de neuronas en la capa de entrada.

• La cantidad de neuronas en la capa de entrada.

Multiple Choice

2. Un portal de noticias quiere organizar automáticamente sus artículos en secciones como "Deportes", "Política" o "Tecnología". ¿Qué tarea de NLP es la más adecuada para este problema?

• Análisis de Sentimiento.

• Generación de Texto.

• Traducción Automática.

• Clasificación de Texto.

Multiple Choice

3. Un modelo de NLP procesa la frase: "El celular es increíblemente bueno". Para que la red neuronal pueda entenderla, primero debe convertir las palabras en: A. Vectores numéricos (Embeddings).

• Vectores numéricos (Embeddings).

• Archivos de audio.

• Colores hexadecimales.

• Funciones de activación.