Redes_Neuronales

# <span style="color: blue;">Redes Neuronales</span>

## <span style="color: blue;">0. Concepto</span>
# Una Red Neural Artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje.  

#Ejemplos de aplicación de Redes Neuronales son:  
# 1. La recomendación de contenido de Netflix.  
# 2. El feed de Instagram o TikTok.  
# 3. Determinar el número o letra escrito a mano.  

## <span style="color: blue;">1. Instalar paquetes y llamar librerías</span>
library(neuralnet)
## <span style="color: blue;">2. Alimentar con ejemplos</span>
examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,0,1)
df <- data.frame(examen,proyecto,estatus)

## <span style="color: blue;">3. Generar la Red Neuronal</span>
red_neuronal <- neuralnet(estatus~., data=df)
plot(red_neuronal, rep = "best")

## <span style="color: blue;">4. Predecir con la Red Neuronal</span>
prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba <-data.frame(prueba_examen,prueba_proyecto)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##             [,1]
## [1,]  1.02210175
## [2,] -0.02221676
## [3,] -0.02223634

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

##      [,1]
## [1,]    1
## [2,]    0
## [3,]    0

## <span style0"color: blue:">Conclusion</span>
# Las redes neuronales permiten que los programas reconozcan patrones y resuelvan problemas comunes en inteligencia artificial y aprendizaje automatico