UNIVERSIDAD LAICA ELOY ALFARO DE
MANABÍ
NOMBRES Y APELLIDOS:
MERO CONFORME JONATHAN JOEL
CURSO:
NIVEL 9 “A”
ASIGNATURA:
RELACIONES HUMANAS Y COMPORTAMIENTO
ORGANIZACIONAL
TEMA:
MACHINE LEARNING
DOCENTE:
ING. KLEVER ALFREDO DELGADO REYES
FECHA DE ENTREGA:
02 – 09 – 2021
AÑO LECTIVO 2021 (1)
MACHINE LEARNING
Por: Mero Conforme Jonathan Joel
INTRODUCCIÓN
Este informe analítico se basa en el concepto del aprendizaje automático “Machine
Learning” que lo definimos como un campo científico de la inteligencia artificial que crea
sistemas de aprendizaje automático.
Machine Learning es un algoritmo que examina datos y predice el comportamiento futuro.
Auto significa que incluso en este contexto, estos sistemas mejorarán automáticamente
con el tiempo sin intervención humana.
Esta innovación y adaptabilidad sin precedentes tiene un gran potencial para mejorar
diversas ciencias en el futuro, incluida la producción de proteínas sintéticas y el diseño
de antenas más eficientes.
Las aplicaciones industriales de esta tecnología incluyen la optimización continua de
todo tipo de plantas. Aún en la industria bancaria, el aprendizaje profundo nos permite
crear algoritmos que pueden adaptarse al comportamiento cambiante del mercado y del
cliente y equilibrar la oferta y la demanda, por ejemplo, cuando se van a establecer precios
personalizados.
DESARROLLO
ARGUMENTO 1
Con la nueva tecnología informática, el aprendizaje automático es diferente a antes.
Proviene del reconocimiento de patrones y la teoría de que las computadoras pueden
aprender sin estar programadas para realizar una tarea en particular. Los investigadores
interesados en la inteligencia artificial quieren saber si las computadoras pueden aprender
de los datos. (Inc, 2021)
El aspecto iterativo del aprendizaje automático es importante porque el modelo está
expuesto a nuevos datos y el modelo se puede adaptar individualmente. Aprenda de los
cálculos preliminares, tome decisiones y obtenga resultados fiables y reproducibles. No
es una ciencia nueva, pero está ganando un nuevo impulso. (Inc, 2021)
Muchos algoritmos de aprendizaje automático existen desde hace mucho tiempo, pero la
capacidad de aplicar automáticamente cálculos matemáticos complejos a macrodatos
repetitivos, cada vez más rápido, es un logro reciente. (Inc, 2021).
ARGUMENTO 2
Se estudia la diferencia entre Machine Learning y Deep Learning, Machine Learning son
algoritmo ML quiere decir que es un algoritmo matemático que permite que las máquinas
aprendan imitando cómo aprenden los humanos. El aprendizaje automático no es solo un
algoritmo, también es un enfoque para resolver problemas. El aprendizaje automático es
esencialmente un medio para lograr inteligencia artificial. (Estapé, 2020).
Ahora Deep Learnin es parte del aprendizaje automático, es un algoritmo automatizado
que imita nuestra estimulante percepción humana de las conexiones entre nuestros
cerebros y neuronas. DL es el método más cercano que los humanos podemos aprender.
En pocas palabras, el aprendizaje automático y el aprendizaje profundo imitan la forma
en que aprende el cerebro humano. Así, el aprendizaje profundo es similar al aprendizaje
humano porque se comporta como una neurona, pero la principal diferencia es el tipo de
algoritmo utilizado en cada caso. (Estapé, 2020).
El aprendizaje automático tiende a utilizar árboles de decisión más avanzados y redes
neuronales de aprendizaje profundo. Además, ambos pueden ser supervisados o no
supervisados. (Estapé, 2020).
ARGUMENTO 3
Lo que también se conoce como aprendizaje automático o "Machine Learning" se basa
en computadoras, ciencia de datos y estadísticas. Esto permite que la computadora
identifique patrones a partir de estos datos. De esta forma, el aprendizaje automático
puede generalizar el comportamiento de estos casos / observaciones en el mundo real para
sacar conclusiones sobre casos inéditos. (Alvear, 2019)
Las aplicaciones de aprendizaje automático se encuentran en la vida cotidiana de las
personas en la actualidad, como comprar consejos sobre artículos encontrados mientras
navega por Internet, identificar spam y recomendar amigos en las redes sociales. (Alvear,
2019)
Otros usos del aprendizaje automático son la predicción de variables ambientales, la
detección de enfermedades y más. La capacidad de procesar millones de datos es una de
las capacidades más populares del aprendizaje automático. (Alvear, 2019)
En la era digital, la disponibilidad de grandes cantidades de datos está limitada por la
capacidad de extraer información y conocimiento de esas observaciones. Como resultado,
los avances en la potencia informática han llevado las aplicaciones de aprendizaje
automático a las computadoras personales, en lugar de limitarse a servidores informáticos
de alto rendimiento. (Alvear, 2019)
CONCLUSIÓN
En resumen, el aprendizaje automático es una oportunidad de crecimiento para las
empresas, ya que puede automatizar procesos, reducir la incertidumbre en las decisiones
legales y brindar mejores servicios.
Sin embargo, no es necesario invertir en tecnologías avanzadas como el aprendizaje
automático. Hay otro tipo de herramientas en el mercado que son mucho más accesibles
y lo suficientemente capaces para realizar análisis de inteligencia empresarial en el
departamento legal.
El aprendizaje automático se ha convertido en una realidad, con recomendaciones para
aplicaciones de aprendizaje automático con asistentes como Siri, Netflix y sistemas de
navegación con drones.
BIBLIOGRAFÍA
Alvear, J. O. (19 de 07 de 2019). UCuenca. Obtenido de ¿Qué es Machine Learning y
por qué es tan popular?:
[Link]
espanol/investigacion/blog-de-ciencia/1222-machine-learning?Itemid=437
Estapé, N. E. (14 de 12 de 2020). Bismart. Obtenido de Diferencia machine learning Y
deep learning: [Link]
learning
Inc, S. I. (2021). SAS. Obtenido de Evolución del machine learning:
[Link]
ANEXO