TEMA 9: NEURAL NETWORK

Son una rama de la investigación informática o, mejor dicho, de la neuroinformática. Existen muchos tipos diferentes de artificial neural networks y cada uno ofrece diferentes posibilidades para procesar la información

• Neural network

• usage mining

• Regresión logística

• redes neuronales artificiales

Tipos de redes neuronales

• Analítica descriptiva; 2) analítica predictiva; 3) analítica prescriptiva.

• EDW: Enterprise Data Warehouse · ODS: Operational Data Store · Data Mart

• PERCEPTRON MULTICAPA (MLP) CONVULSIONAL (CNN) RECURRENTE (RNN) DE BASE RADIAL (RBF)

• ● Regresión logística binaria. ● Regresión logística multinomial. ● Regresión logística ordinal.

.¿Cómo funciona el neural ntw?

• Son modelos computacionales inspirados en las redes neuronales de los seres vivos. Se procura imitar la manera en la que el cerebro humano maneja la información.

• Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida.

• funciona como un repertorio central. La información proviene de una o varias fuentes de datos, los datos pueden ser estructurados, semiestructurados o no estructurados.

• funciona bien para problemas de clasificación binaria que sólo tienen dos resultados posibles. La variable dependiente sólo puede tener dos valores, como sí y no o 0 y 1.

Ventajas principales del neural ntw

• 1) El procesado de la información es local

  2) Las neuronas son tolerantes a fallos

  3)modelos de vanguardia que capturan de una forma óptima y efectiva características complejas

• 1) Facilita la identificación de hábitos de consumo; 2) ofrece pronósticos rentables; 3) Estimula la toma de decisión informada; 4) promueve la mejora continua de los procesos.

• ● Alta capacidad de aprendizaje. ● Procesan información en paralelo. ● Son flexibles. ● Consiguen aproximar funciones matemáticas con alta precisión. ● Realizan modelos precisos.

Desventajas principales del neural ntw

• 1) No son fácilmente explicables.

  2) Complejidad de aprendizaje para grandes tareas

  3) Suelen necesitar mayor volumen de datos para el entrenamiento del modelo y requieren de alta capacidad de recursos computacionales.

• 1) El procesado de la información es local

  2) Las neuronas son tolerantes a fallos

  3) modelos de vanguardia que capturan de una forma óptima y efectiva características complejas una alta precisión

• 1) No facilita la identificación de hábitos de consumo;

  2) No ofrece pronósticos rentables; 3) No estimula la toma de decisión informada; 4) No promueve la mejora continua de los procesos

• ● Baja capacidad de aprendizaje. ● Procesan información en paralelo. ● inflexibles. ● No consiguen aproximar funciones matemáticas con alta precisión. precisos.

¿En qué áreas se aplican las redes neuronales?

• Marketing Comercio minorista Banca Medicina Televisión y radio

• -Ventas

  -Marketing

  -Servicio al cliente

• -Segmentación de clientes

  -Clasificicación de texto

  -Detección de anomalías

• 1) Biología

  2) Medio Ambiente 3) Medicina

  4) Finanzas

  5) Marketing