Póngase en marcha rápidamente con deep learning con este webinar bajo demanda
Visión general
¿Qué es deep learning?
El deep learning es un subconjunto de machine learning en el que las redes neuronales —algoritmos inspirados en el cerebro humano— aprenden a partir de grandes cantidades de datos. Los algoritmos de deep learning realizan una tarea repetidamente y mejoran gradualmente el resultado a través de capas profundas que permiten el aprendizaje progresivo. Forma parte de una familia más amplia de métodos de machine learning basados en redes neuronales.
El deep learning está causando un gran impacto en diferentes sectores. En las ciencias de la vida, el deep learning se puede utilizar para análisis avanzado de imágenes, investigación, descubrimiento de fármacos, predicción de problemas de salud y síntomas de enfermedades, y para la aceleración de obtención de información de la secuenciación genómica. En el transporte, puede ayudar a los vehículos autónomos a adaptarse a las condiciones cambiantes. También se utiliza para proteger la infraestructura esencial y agilizar la respuesta.
Las empresas suelen externalizar el desarrollo del deep learning. Sin embargo, es mejor mantener las tareas de desarrollo de deep learning para los casos de uso que son esenciales para su negocio. Estos incluyen recomendaciones y detección de fraude, análisis de datos de series temporales y mantenimiento predictivo, optimización del sistema de recomendaciones, gestión de relaciones con los clientes y predicción de la tasa de clics de la publicidad online.
Empiece a trabajar con deep learning utilizando IBM Watson Studio® en IBM Cloud Pak® for Data as a Service.
Ventajas del deep learning en IBM Watson Studio
Características
Creador de experimentos
Inicie y supervise experimentos de entrenamiento por lotes, compare el rendimiento entre modelos en tiempo real y céntrese en el diseño de redes neuronales.
Deep learning distribuido (DDL)
Habilite infraestructuras de código abierto populares como TensorFlow, Caffe, Torch y Chainer para escalar a varias GPU.
Reconocimiento de dígitos escritos a mano
Utilice un modelo de PyTorch preentrenado para predecir números escritos a mano en imágenes. Utilice las API REST para enviar trabajos de entrenamiento, supervisar el estado y almacenar y desplegar modelos.
Servicio de reconocimiento visual
Utilice algoritmos de deep learning del servicio IBM Watson Visual Recognition para analizar imágenes en busca de lugares y objetos. Trabaje con imágenes y conjuntos de datos en un entorno de colaboración.
Clasificación de imágenes
Realice una clasificación multiclase, preprocese las imágenes y acceda a ellas, y cree visualizaciones para comprender mejor los modelos.
Modelos lingüísticos
Utilice un cuaderno, Keras y TensorFlow para crear un modelo de lenguaje para la generación de texto.
Vea deep learning en IBM Watson Studio
Experimento de deep learning
Experimento de deep learning
Ejecute un experimento de deep learning para crear una ejecución de entrenamiento para cada definición.
Definiciones de modelo
Definiciones de modelo
Defina el código de creación del modelo, el mandato de ejecución, una GPU y otros metadatos.
Plan de recursos
Progreso de entrenamiento
Cuaderno GPU
Cuaderno GPU
Cree una definición de entorno de GPU y ejecute el cuaderno en el momento de crear el cuaderno.
Utilice su infraestructura favorita
Preinstalada y optimizada para el rendimiento en IBM Watson Studio
Productos relacionados
Cómo empezar con deep learning
Empiece a ejecutar sus experimentos de deep learning en IBM Watson Studio.