Scribd
Cargar
24 vistas7 páginas

Fundamentos del Machine Learning

El documento define machine learning como un subcampo de la inteligencia artificial que busca construir programas que mejoren automáticamente mediante la experiencia. Explica que un programa aprende de la experiencia E respecto a una clase de tareas T y medida de rendimiento P si su rendimiento en las tareas de T mejora con la experiencia E. También menciona algunos algoritmos comúnmente usados como árboles de decisión, regresión lineal y redes neuronales artificiales.

Cargado por

Edgar Medina
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
24 vistas7 páginas

Fundamentos del Machine Learning

El documento define machine learning como un subcampo de la inteligencia artificial que busca construir programas que mejoren automáticamente mediante la experiencia. Explica que un programa aprende de la experiencia E respecto a una clase de tareas T y medida de rendimiento P si su rendimiento en las tareas de T mejora con la experiencia E. También menciona algunos algoritmos comúnmente usados como árboles de decisión, regresión lineal y redes neuronales artificiales.

Cargado por

Edgar Medina
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

¿QUÉ ES MACHINE LEARNING?

FUNDAMENTOS
DEFINIENDO MACHINE LEARNING

El Machine Learning -traducido al Español como «Aprendizaje Automático»- es un


subcampo de la Inteligencia Artificial que busca resolver el «cómo construir
programas de computadora que mejoran automáticamente adquiriendo
experiencia».
UNA DEFINICIÓN TÉCNICA

A computer program is said to learn from experience E with respect to some class of
tasks T and performance measure P, if its performance at tasks in T, as measured by
P, improves with experience E.
DIAGRAMA DE VENN

Drew Conway creó un simpático


diagrama de Venn en el que relaciona
diversos campos.
APROXIMACIÓN PARA PROGRAMADORES

Los programadores sabemos que Los algoritmos de ML intentan utilizar


diversos algoritmos de búsqueda menos recursos para «entrenar»
pueden tomar mucho tiempo en grandes volúmenes de datos e ir
resolverse y que cuanto mayor sea el aprendiendo por sí mismos. Podemos
campo de búsqueda crecerán subdividir el ML en 2 grandes
potencialmente las posibilidades de categorías: Aprendizaje Supervisado o
combinación de una respuesta óptima, Aprendizaje No Supervisado.
haciendo que los tiempos de respuesta
tiendan al infinito
ALGORITMOS MÁS UTILIZADOS EN INTELIGENCIA
ARTIFICIAL
▪Arboles de Decisión ▪Aprendizaje Profundo ó Deep Learning
▪Regresión Lineal ▪Clasificación de imágenes
▪Regresión Logística
▪k Nearest Neighbor
▪PCA / Principal Component Analysis
▪Gaussian Naive Bayes
▪K-Means
▪Redes Neuronales Artificiales
EN CONCLUSIÓN

Machine Learning es una nueva Las Smart Cities, el IOT ya se están


herramienta clave que posibilitará el volviendo una realidad y también las
desarrollo de un futuro mejor para el aplicaciones de Machine Learning en
hombre brindando inteligencia a robots, Asistentes como Siri, las
coches y casas. recomendaciones de Netflix o Sistemas
de Navegación en Drones.

También podría gustarte