Diferencia entre revisiones de «Aprendizaje automático»

Revisión de 19:31 18 oct 2017

El aprendizaje automático es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. El aprendizaje automático se centra en el desarrollo de programas informáticos que pueden cambiar cuando se exponen a nuevos datos. Es, por lo tanto, un proceso de inducción del conocimiento.

Tipos de algoritmos de aprendizaje automático

Los diferentes algoritmos de Aprendizaje Automático se agrupan en una taxonomía en función de la salida de los mismos. Algunos tipos de algoritmos son:

Aprendizaje supervisado

Los algoritmos de aprendizaje supervisados hacen predicciones basadas en un conjunto de ejemplos. El algoritmo produce una función que establece una correspondencia entre las entradas y las salidas deseadas del sistema. Se utiliza un algoritmo para analizar los datos de entrenamiento para entrenar la función que asigna la entrada a la salida. Esta función inferida mapea nuevos ejemplos desconocidos generalizando desde los datos de entrenamiento para anticipar resultados en situaciones no vistas.

• Clasificación: Cuando los datos se utilizan para predecir una variable categórica, el aprendizaje supervisado también se denomina clasificación.
• Regresión: Al predecir valores continuos, los problemas se convierten en un problema de regresión.

Ámbitos de aplicación

Muchas actividades actualmente ya se están aprovechando del Machine Learning. Sectores como el de las compras online, el online advertising o los filtros anti-spam llevan tiempo sacando partido a estas tecnologías.

El campo de aplicación práctica depende de la imaginación y de los datos que estén disponibles en la empresa. Estos son algunos ejemplos más:

• Detectar fraude en transacciones.
• Predecir fallos en equipos tecnológicos.
• Predecir el tráfico urbano.
• Hacer prediagnósticos médicos basados en síntomas del paciente.
• Decidir cual es la mejor hora para llamar a un cliente en concreto.