Línea de Profundización lll - Análisis de datos
Profesor: Esteban Giraldo
2019 - UNAC
ARTÍCULO “MACHINE LEARNING”
Presentado por Aljadis Tavera
Ing. Sistemas
ABSTRACT.
Machine Learning is a scientific discipline in the field of Artificial Intelligence that creates
systems that learn automatically. Learning in this context means identifying complex
patterns in millions of data. The machine that really learns is an algorithm that reviews the
data and is able to predict future behaviors. Automatically, also in this context, implies that
these systems improve autonomously over time, without human intervention. Let's see how
it works.
DEFINICIÓN.
Se entiende por “Machine learning” o aprendizaje automático, al subcampo de las ciencias
de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar
técnicas que permitan que las computadoras aprendan.
ALGUNOS ALGORITMOS DE APRENDIZAJE.
Árboles de decisiones: Este tipo de aprendizaje usa un árbol de decisiones como modelo
predictivo. Se mapean observaciones sobre un objeto con conclusiones sobre el valor final de
dicho objeto.
Los árboles son estructuras básicas en la informática. Los árboles de atributos son la base de
las decisiones.
Algoritmos genéticos: Los algoritmos genéticos son procesos de búsqueda heurística que
simulan la selección natural. Usan métodos tales como la mutación y el cruzamiento para
generar nuevas clases que puedan ofrecer una buena solución a un problema dado.
Redes neuronales artificiales: Las redes de neuronas artificiales (RNA) son un paradigma de
aprendizaje automático inspirado en las neuronas de los sistemas nerviosos de los animales. Se
trata de un sistema de enlaces de neuronas que colaboran entre sí para producir un estímulo de
salida. Las conexiones tienen pesos numéricos que se adaptan según la experiencia. De esta
manera, las redes neurales se adaptan a un impulso y son capaces de aprender. La importancia
de las redes neurales cayó durante un tiempo con el desarrollo de los vectores de soporte y
clasificadores lineales, pero volvió a surgir a finales de la década de 2000 con la llegada del
aprendizaje profundo.
EJEMPLO DE METODOLOGÍA ML.
HERRAMIENTAS O TECNOLOGÍAS.
Para desarrollar este tipo de software es altamente recomendado utilizar Phyton debido a su
simplicidad, le sigue el lenguaje R y se utilizan librerías como Tensorflow, que es una librería
de código abierto para aprendizaje automático a través de un rango de tareas, y desarrollado
por Google para satisfacer sus necesidades de sistemas capaces de construir y entrenar redes
neuronales para detectar y descifrar patrones y correlaciones, análogos al aprendizaje y
razonamiento usados por los humanos.
APLICACIONES EN LA INDUSTRIA.
AlphaGo es un programa informático de inteligencia artificial desarrollado por Google DeepMind
para jugar al juego de mesa Go. En octubre de 2015 se convirtió en la primera máquina de Go
en ganar a un jugador profesional de Go sin emplear piedras de handicap en un tablero de
19x19.
El algoritmo de AlphaGo utiliza una combinación de técnicas de aprendizaje automático y
árbol de búsqueda, combinadas con una amplia formación, tanto desde el juego humano y
como del ordenador. Utiliza árbol de búsqueda Monte Carlo, guiada por una red de valor y
una red de políticas, ambas implementadas mediante la tecnología de redes neuronales de
aprendizaje profundo. Una cantidad limitada de detección de características pre-procesamiento-
juego específico se utiliza para generar las entradas a las redes neuronales.
BIBLIOGRAFÍA
[Link]
[Link]
[Link]
[Link]
[Link]