Scribd
Cargar
794 vistas3 páginas

Mapa Mental Machine Learning

Machine learning es la ciencia que permite que las computadoras aprendan sin programación explícita, analizando datos para hacer predicciones. Deep learning es un tipo más sofisticado que funciona mediante redes neuronales y puede procesar grandes cantidades de datos no estructurados. Mientras que machine learning se desarrolló en los años 80, deep learning surgió en 2010 con la disponibilidad de más datos y computadoras potentes.

Cargado por

juan segura
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
794 vistas3 páginas

Mapa Mental Machine Learning

Machine learning es la ciencia que permite que las computadoras aprendan sin programación explícita, analizando datos para hacer predicciones. Deep learning es un tipo más sofisticado que funciona mediante redes neuronales y puede procesar grandes cantidades de datos no estructurados. Mientras que machine learning se desarrolló en los años 80, deep learning surgió en 2010 con la disponibilidad de más datos y computadoras potentes.

Cargado por

juan segura
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 Deep Learning

Es la ciencia que hace que computadores Es un tipo de algoritmo más sofisticado de


Qué es realicen acciones sin necesitar ser programados machine learning, construido a partir del
para eso. principio de las redes neuronales.
Los algoritmos pueden ser abastecidos con datos Diferentemente de los primeros algoritmos
y entonces aprender por cuenta propia para existentes, es capaz de soportar y trabajar con
Cómo funciona hacer predicciones y orientar decisiones a partir big data y funcionar como una mente propia a
de modelos. través de superposición de capas no lineales de
procesamiento de datos.
Empezó a ser desarrollado en los años 80, como e desarrolló a partir de 2010 con el surgimiento
Cuándo surgió la primera forma de poner en práctica los de computadores poderosos y el aumento de los
conceptos de inteligencia artificial. datos accesibles, tornando posible los avances de
aprendizaje automático.
urrencia y profiling. Sin embargo, los problemas que implican
El aprendizaje
tareassupervisado
de encontrarsuele
similitud,
usarsepredicción
problemasdedeenlaces
clasificación,
o reducción
comode
identificación
datos, puedende dígitos,
ser supervisado
diagnósticos,
o no.o detección

Problemas de
Clasificación

Uso de
Problemas de
Problemas de Regresión Elaprendizajesupervisadose
Clustering
utiliza para problemasde
regresión como predicciones
Machine Learning meteorológicas, de expectativa de
Aprendizaje vida, de crecimiento etc.

tar encontrar algún tipo de organización que simplifique el análisis. Por eso es que tiene un carácter exploratorio

Funcionamiento:
Caracter
Aprendizaje supervisado
Exploratorio

Los algoritmos trabajan con datos etiquetados, intentando encontrarFuncionamiento:


una función que, dadas las variables de entrada, les asigne la etiqueta de salida adecuada. El alg
Aprendizaje no supervisado
ja con datos que no están etiquetados. Solo se conoce los datos de entrada pero no existen datos de salida que corresponden a un determinado input,

Juan Segura

También podría gustarte