Scribd
Cargar
65 vistas2 páginas

Algoritmos de Machine Learning: Guía Básica

El machine learning es una disciplina de la inteligencia artificial que permite a los ordenadores identificar patrones en grandes cantidades de datos y realizar predicciones mediante algoritmos. Existen tres tipos principales de algoritmos de machine learning: aprendizaje supervisado, que utiliza etiquetas de datos previos para tomar decisiones; aprendizaje no supervisado, que encuentra patrones sin conocimiento previo; y aprendizaje por refuerzo, que permite tomar decisiones mediante prueba y error.

Cargado por

Rossy Alvaro
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 DOCX, PDF, TXT o lee en línea desde Scribd
65 vistas2 páginas

Algoritmos de Machine Learning: Guía Básica

El machine learning es una disciplina de la inteligencia artificial que permite a los ordenadores identificar patrones en grandes cantidades de datos y realizar predicciones mediante algoritmos. Existen tres tipos principales de algoritmos de machine learning: aprendizaje supervisado, que utiliza etiquetas de datos previos para tomar decisiones; aprendizaje no supervisado, que encuentra patrones sin conocimiento previo; y aprendizaje por refuerzo, que permite tomar decisiones mediante prueba y error.

Cargado por

Rossy Alvaro
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 DOCX, PDF, TXT o lee en línea desde Scribd

Machine Learning

¿QUÉ ES EL 'MACHINE LEARNING' Y PARA QUÉ SIRVE?


El Machine Learning también conocido como aprendizaje automático es una disciplina
del campo de la Inteligencia Artificial que, a través de algoritmos, dota a los
ordenadores de la capacidad de identificar patrones en datos masivos y elaborar
predicciones. Este aprendizaje permite a los computadores realizar tareas específicas de
forma autónoma, es decir, sin necesidad de ser programados.
Los algoritmos de Machine Learning se dividen en tres categorías, siendo las dos
primeras las más comunes:
 Aprendizaje supervisado: estos algoritmos cuentan con un aprendizaje previo
basado en un sistema de etiquetas asociadas a unos datos que les permiten tomar
decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta
un e-mail como spam o no dependiendo de los patrones que ha aprendido del
histórico de correos (remitente, relación texto/imágenes, palabras clave en el
asunto, etc.).
 Redes sociales: Twitter, por ejemplo, se sirve de algoritmos de Machine
Learning para reducir en gran medida el spam publicado en esta red social
mientras que Facebook, a su vez, lo utiliza para detectar tanto noticias falsas
como contenidos no permitidos en retransmisiones en directo que bloquea
automáticamente.
 Aprendizaje no supervisado: estos algoritmos no cuentan con un conocimiento
previo. Se enfrentan al caos de datos con el objetivo de encontrar patrones que
permitan organizarlos de alguna manera. Por ejemplo, en el campo del
marketing se utilizan para extraer patrones de datos masivos provenientes de las
redes sociales y crear campañas de publicidad altamente segmentadas.
 Aprendizaje por refuerzo: su objetivo es que un algoritmo aprenda a partir de
la propia experiencia. Esto es, que sea capaz de tomar la mejor decisión ante
diferentes situaciones de acuerdo con un proceso de prueba y error en el que se
recompensan las decisiones correctas. En la actualidad se está utilizando para
posibilitar el reconocimiento facial, hacer diagnósticos médicos o clasificar
secuencias de ADN.

También podría gustarte