UNA EXPLORACIÓN DEL APRENDIZAJE PROFUNDO: RECORRIDO DESDE EL PROCESO DE OPTIMIZACIÓN HASTA LA CLASIFICACIÓN DE IMÁGENES

Abstract

Este trabajo fin de grado presenta una introducción clara y progresiva al aprendizaje profundo, explicando sus fundamentos dentro de la inteligencia artificial y el aprendizaje automático, así como su evolución histórica y relevancia actual. El proyecto aborda primero los conceptos esenciales de las redes neuronales y el proceso de entrenamiento mediante optimización, aplicando un perceptrón multicapa (MLP) para la clasificación no lineal. Posteriormente, se profundiza en el uso de redes neuronales convolucionales (CNN) para la clasificación de imágenes con los conjuntos de datos MNIST y CIFAR-10, incorporando técnicas como regularización, early stopping y variaciones de SGD para mejorar el rendimiento. El trabajo incluye implementaciones prácticas en NumPy y PyTorch, facilitando la comprensión del diseño, entrenamiento y evaluación de modelos, y finaliza discutiendo los factores clave que influyen en el desempeño y posibles líneas de ampliación del estudio.