En el área experimental de física de altas energías, se sabe sobre la importancia de un buen sistema y algoritmo de selección de datos, si ahora queremos aplicar técnicas de Deep Learning para analizar datos, es importante realizar una buena selección de datos de entrada, en este trabajo se habla sobre la importancia de realizar un correcto preprocesamiento de los datos a estudiar y utilizar; cuales son los errores más comunes al realizar esto; conocer el comportamiento y naturaleza de los datos; reconocer el dominio de cada atributo de nuestros ejemplares; dar a conocer los métodos más comunes de selección de muestras para entrenamiento, así como la importancia de traducir/trasladar los datos de dominio (normalización) para obtener el mejor desempeño durante los entrenamientos de las redes neuronales artificiales. Estas técnicas después se pueden utilizar de una forma más confiable para la selección y análisis de datos para el estudio de rayos cósmicos, rayos gamma etc.

En el área experimental de física de altas energías, se sabe sobre la importancia de un buen sistema y algoritmo de selección de datos, si ahora queremos aplicar técnicas de Deep Learning para analizar datos, es importante realizar una buena selección de datos de entrada, en este trabajo se habla sobre la importancia de realizar un correcto preprocesamiento de los datos a estudiar y utilizar; cuales son los errores más comunes al realizar esto; conocer el comportamiento y naturaleza de los datos; reconocer el dominio de cada atributo de nuestros ejemplares; dar a conocer los métodos más comunes de selección de muestras para entrenamiento, así como la importancia de traducir/trasladar los datos de dominio (normalización) para obtener el mejor desempeño durante los entrenamientos de las redes neuronales artificiales. Estas técnicas después se pueden utilizar de una forma más confiable para la selección y análisis de datos para el estudio de rayos cósmicos, rayos gamma etc.