Consideramos el problema inverso de dispersión para reconstruir un obstáculo utilizando datos parciales lejanos debido a una onda incidente. Se construye una función indicadora simple, que es negativa dentro del obstáculo y positiva fuera de él, y luego se aprende utilizando una red neuronal profunda (DNN). El método es fácil de implementar y efectivo, como se demuestra en ejemplos numéricos. En lugar de desarrollar estructuras de red sofisticadas para los operadores inversos clásicos, reformulamos el problema inverso como un operador adecuado para que las DNN estándar puedan aprenderlo bien. La idea del método indicador orientado a DNN se puede generalizar para tratar otros problemas inversos de datos parciales.