5.18 - Ventajas y limitaciones de las Redes Transformer

Lección 18 de la sección “Redes Transformer” del curso Fundamentos de Deep Learning con Python.

Introducción

En la lección anterior vimos cómo usar las Redes Transformer para la clasificación de imágenes, una tarea propia de la visión artificial.

Para dar cierre a este curso, en esta última lección resumiremos las principales ventajas y limitaciones de estas Redes Transformer.

Contenido exclusivo suscriptores

Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online

Ventajas

Las principales ventajas de las Redes Transformer son, como lo mencionamos al comienzo de esta sección:

Desventajas

Las principales limitaciones de esta arquitectura son:

  1. Su altísimo costo computacional
  2. Y por ende su elevado impacto ambiental

Además de esto cabe resaltar que en la actualidad diferentes investigadores están usando otros enfoques diferentes al de la fuerza bruta (como vimos en el caso de GPT y la teneración de texto) para reducir dichos costos computacionales y el impacto ambiental, así como los sesgos presentes en los sets de entrenamiento y que pueden ser introducidos al modelo.

Contenido exclusivo suscriptores

Recuerda suscribirte para acceder al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online

Conclusión

¡Felicitaciones por haber culminado este curso de Fundamentos de Deep Learning con Python y espero que le hayas sacado el máximo provecho!

En este curso hemos visto los elementos básicos y todos los detalles de las principales arquitecturas de Deep Learning usadas en la actualidad: las Redes Neuronales, las Redes Convolucionales, las Redes Recurrentes y LSTM y las Redes Transformer.

Y de la mano de estos conceptos hemos visto de forma aplicada, a través de la programación en Python, la solución a problemas en diferentes ámbitos, pasando por el procesamiento de datos, la visión artificial e incluso el procesamiento del lenguaje natural.

Con esto hemos visto el potencial de aplicación que tiene el Deep Learning en diferentes ámbitos del mundo actual, y espero que esto te haya brindado herramientas para fortalecer tu proceso de formación y tus habilidades a nivel académico y profesional.

Por último, te invito a continuar tu formación con los diferentes cursos que encontrarás disponibles en la Academia Online de Codificando Bits.

¡Así que te envío un saludo y nos vemos en el próximo curso!

Ver todas las lecciones de este curso