MACHINE LEARNING – DEEP LEARNING
HISTORIA:
Los orígenes del Machine Learning por moderno que pueda parecer este campo, nos debemos
remontar al año 1950 cuando el gran Alan Turing creó el «Test de Turing». De forma que, para
pasar la prueba, una máquina debía engañar a un humano haciéndole creer que se encontraba
delante de un humano en vez de un ordenador.
HISTORIA DEEP LEARNIG:
La que actualmente estamos viviendo y que arrancó principalmente a raíz de tres papers, Dado
que, históricamente, algunos de los primeros modelos pretendían emular el aprendizaje biológico o,
lo que es lo mismo, cómo ocurre el aprendizaje en el cerebro, el término Artificial Neural Networks
se ha ido ligando cada vez más al Deep Learning. No obstante, a pesar de que los modelos de
Deep Learning están inspirados en el cerebro biológico NO están diseñados para ser una
representación realista del mismo. Actualmente, el término «Deep Learning» no va de la mano con
la perspectiva neurocientífica, sino más bien con el tipo de aprendizaje que propone, a través de
múltiples niveles de composición. Mediante el Deep Learning se propone que las máquinas sean
capaces de entender el mundo a través de una jerarquía de conceptos, de manera que cada
concepto se defina a través de sus relaciones con conceptos más simples.
Pues por ese motivo es que el Deep Learning recibe sus nombres
Características:
Una característica de machine learning es una propiedad individual medible
una característica de un fenómeno que se observa.
El concepto de «característica» está relacionado con el de variable explicativa utilizado en
técnicas estadísticas como la regresión lineal Característica.
Una característica del Deep learning funciona gracias a un algoritmo que clasifica las
imágenes introducidas gracias a unos puntos en común que almacena en la memoria para
identificar, sin necesidad de que se le indique ningún tipo de información añadida,
cualquier tipo de objeto o concepto.
CONCEPTO:
La inteligencia artificial es la subdisciplina del campo de la informática que busca la creación de
máquinas que puedan imitar comportamientos inteligentes. Estamos hablando de dos tipos de
inteligencia (débiles y fuertes)
La inteligencia débil se habla para referirnos aquellos sistemas que únicamente pueden
cumplir con un conjunto muy limitado de tareas.
En cambio, la inteligencia fuerte hace referencias aquellas (sias) que son capaces de
aplicarse a una gran variedad de problemas y dominios diferentes.
Es importante tener en cuenta estos tres conceptos ya que cada uno se encuentra vinculado
con el anterior como si cada uno le abriera camino a uno nuevo
El propósito de estos tres conceptos es el imitar al ser humano o simplemente hacer actividades
que nosotros normalmente hacemos.
Características del ser humano:
Facilidad de comunicación con otras personas de forma verbal o escrita
Tomamos decisiones tomando en cuenta las decisiones que hemos vivido, así como
información recolectada a lo largo de los años
Aprender día a día de las experiencias y los errores
Recordar gran parte de las experiencias vividas
Todas las características mencionadas son las que se desean replicar con una maquina
Inteligencia artificial.
es el circulo más grande es la idea que vino primero y a su vez la más compleja ya que de por si
abraca muchas más áreas que en conjunto forma este concepto
concepto describe las diferentes formas en que una maquina interactúa con el mundo que lo rodea
en pocas palabras hacer que las computadoras piensen como los humanos. Lo que se busca:
Interactuar con el humano atreves de lenguaje natural
Aprender de sus resultados y se adapta a nuevos ambientes.
Resolver problemas más rápido y eficiente que un ser humano
La inteligencia artificial es un termino que indica resolver tareas fáciles para los seres
humanos pero difícil para las computadoras incluyendo todo tipo de tareas como hacer trabajos
creativos planificar moverse, interactuar conocer objetos y sonidos entre otros este es el área al
ser humano se puede interactuar con ella utilizando el mismo lenguaje sin necesidad de utilizar
palabras claves ni nada parecido esta es la que ha tomado más años pero a través del tiempo
ya se esta empezando a lograr de manera exitosa.
Ejemplo:
Por medio de voz pedir indicaciones sobre el clima con Siri aplicación de iPhone transforma la
información en un sistema binario y con esto la maquina busca en diferentes herramientas del
celular o internet al encontrar la información la organiza de forma binaria la transforma en una
onda de sonido y vuelve a salir un mensaje de voz para responder, todo este proceso se hace
en menos de un segundo.
EN CONCLUSION:
Son todas las técnicas que permiten a las computadoras imitar a los seres humanos
Machine learning:
es la encuentra dentro de la inteligencia artificial, machine learning también se le conoce como
aprendizaje automático, con la que se ha podido obtener resultados satisfactorios
a este concepto se llegó después que los investigadores probaron muchos enfoques para crear
inteligencia artificial, llegaron a la conclusión que en vez de programar computadores para que
sean inteligentes mediante rutinas de software codificadas manualmente para realizar una tarea en
particular se les diera a las maquinas acceso a una harán cantidad de datos y los codificara para
encontrar patrones o aprender por si mismo como realizar la tarea, por lo tanto machine
learning es un subconjunto de la inteligencia artificial y se basa en aprender,
Una maquina utiliza algoritmos complejos para revisar la información de una base de datos
reconocer patrones entre los datos y hacer una proyección. Sin requerir que una persona
especifica programe instrucciones en la máquina.
Recibir conjunto de datos y aprender por si misma
Reconocer patrones y hacer predicción
No se requiere que una persona programe una instrucción.
Ejemplo:
como ejemplos queremos identificar el sonido de cierto animal por lo que dentro del celular o
computadora se introduce una foto del animal, a nuestro algoritmo y según la experiencia de este y
lo aprendido con la data entregada podrá reconocer el animal y el sonido que este hace.
Lo que se ve es que el algoritmo hace una por edición con lo aprendido, machine learning se basa
en enfoques algorítmicos que a lo largo de los años incluyeron enfoques de árboles de decisión,
programación de la lógica regresiva agrupamiento aprendizaje de refuerzo entre otros,
EN CONCLUSION:
Es el subconjunto de inteligencia artificial que utiliza métodos estadísticos para permitir que las
maquinas mejoren las experiencias
Deep learning:
esta se encuentra en menor proporción dentro de machine learning, y se conoce como aprendizaje
profundo,
pero solo los desarrollos en el área de las redes neuronales que esta diseñados para funcionar
clasificando la información de la misma manera que lo hace un cerebro humano permitieron un
gran avance llamado Deep learning o aprendizaje profundo, llevando la inteligencia artificial a un
paso más avanzado.
Imitando la conectividad del cerebro humano.
Cuanto más dato se tenga más precisa en la predicción.
Clasificación de conjunto de datos y encuentra correlación
Utiliza los principios de los algoritmos básicos de machine learnig, en conjunto intentando
modelar abstracciones de alto nivel en datos con arquitecturas compuestas, esta definición puede
ser compleja pero con la misma se puede realizar cualquier cosa, desventaja requiere un
numero superior de datos comparada con los otros algoritmos, pero el mayor inconveniente es que
se requiere tecnología de punta para poder procesar los algoritmos razón por la cual no ah sido
hasta ahora que se ha venido desarrollando este aprendizaje
Ejemplo
Un ejemplo de lo que puede ser este algoritmo es tomar una foto en blanco y negro y colocarle
color terminando cada uno de los elementos que contiene para así determinar que color se
beneficia y cual no así como lo muestra a continuación:
Veremos otro ejemplo:
Vamos a suponer que eres un amante a la lectura por lo que realizas una consulta en Amazon
Kindle para que te recomiende un libro escrito en los años 80 de “aventuras”. Y vamos a explicarlo
mejor comenzaremos con todos los libros sin importar genero y año que se encuentran en papel lo
primero que debemos hacer es digitalizarlos, convertir cada una de las hojas en digital este
proceso se puede llevar a cabo tomando una foto para después procesar la foto y convertirla en
palabra para que finalmente sea un texto completo finalizado todo el proceso ya tenemos nuestros
libros en digital pero en este punto no sabemos el genero del libro ni el año porque en ningún
momento lo hemos definido por lo tanto ahora procedemos a verificar los textos digitalizados que
de acuerdo los escritos se pueda definir el genero del texto realizado todo el proceso ya el
algoritmo robot de Amazon Kindle puede recomendar un libro de los 80 sobre aventura y en todo
este proceso se utilizaron algoritmos de machine learning y Deep learning y así todo esto se
completa con la inteligencia artificial para lograr el propósito que era un libro de los 80 de aventura
EN CONCLUSION:
Subconjunto del machine learning que hace factible el calculo de la red neural multicapa
Características:
Una característica de machine learning es una propiedad individual medible
una característica de un fenómeno que se observa.
El concepto de «característica» está relacionado con el de variable explicativa utilizado en
técnicas estadísticas como la regresión lineal Característica.
Una característica del Deep learning funciona gracias a un algoritmo que clasifica las
imágenes introducidas gracias a unos puntos en común que almacena en la memoria para
identificar, sin necesidad de que se le indique ningún tipo de información añadida,
cualquier tipo de objeto o concepto.
BENEFICIOS:
Efectuar la toma de decisiones en tiempo real:
La información precisa resulta crucial para que las organizaciones y empresas puedan llevar a
cabo la toma de decisión correcta en el instante adecuado. Dado que el aprendizaje automático se
caracteriza por permitir a las organizaciones el transformar una gran cantidad de conjuntos de
datos de conocimiento e inteligencia accionable.
Todo esto da como resultado que las organizaciones empresariales tomen ventaja gracias al
aprendizaje automático, puesto que pueden mantenerse al pendiente de la competencia
existente, al mismo tiempo que toman las decisiones y medidas proactivas para mantener su
ventaja competitiva, todo esto en tiempo real.
¡Diles adiós a las tareas manuales!
Al introducir las tecnologías de aprendizaje automático, favoreció para que se llenara dicho vacío
mediante los modelos predictivos, los cuales fueron aplicados a los diversos puntos de datos que
cambian en tiempo real, así fue como se pudo brindar soporte a la toma de decisiones y al
momento en que se ejecutaban las tareas de automatización.
Incrementa la seguridad y el rendimiento de la red
Uno de los aspectos que siempre debes recordar, es que tanto las amenazas de seguridad
cibernética, las intrusiones, así como todo tipo de anomalías y percances existentes en la red, por
lo general se llegan a gestionar y ocurrir en tiempo real, por lo que no existe una advertencia de
antemano ante este tipo de circunstancias adversas. Para que las organizaciones puedan tener la
red de manera segura, todo tipo de comportamiento de red no justificado debe identificarse de
forma proactiva, esto quiere decir que antes de que la intrusión se convierta en un ataque de
seguridad de lleno, una fuga de datos, o cortes en el servicio, se requiere que sean identificados lo
más pronto posible.
Bríndales una mejora a los servicios y modelos de negocios
Sabemos que todas las grandes empresas siempre prosperan al momento de dominar su
participación en el mercado, algunas de estas organizaciones, buscan obtener la mejor ventaja
competitiva dentro de otros dominios, para poder continuar siendo rentables. Ante esto vamos a
poner un ejemplo a modo de dejar las cosas más en claro. Por ejemplo, organizaciones como Uber
y Airbnb han sabido implementar y aprovechar las tecnologías de Machine Learning desde el
momento en que iniciaros su modelo de negocio. En este sentido podemos mencionar que este
aprendizaje automático le ha permitido a las empresas el poder garantizar a sus usuarios los
mejores resultados de búsqueda, que sean precisas y que además le brinden una excelente
experiencia al cliente.
Minimiza los gastos de gastos de operación
Claramente la minimización en los gastos de operación es un punto que llama mucho la
atención, para poder explicarlo a mayor detalle, vamos a ejemplificar. En este tipo de situaciones
las organizaciones comerciales que tienen una gran cantidad de usuarios, están en un esfuerzo
constante para poder cumplir con todas las demandas existentes por parte de los clientes, ya sea
que se busque brindar una atención rápida al cliente que además sea efectiva mediante las
llamadas telefónicas, o haciendo uso de un chat por medio de las redes sociales o en la página
web, no obstante, estos esfuerzos requieren de una gran movilización en cuanto al personal de
atención al cliente se refiere, además de que se van a generar gastos por el servicio de
telefonía, conectividad, eso sin mencionar la estrategia tan compleja que se debe implementar para
poder optimizar la velocidad y eficacia de la asistencia.
Como podemos percatarnos después de haber leído este artículo, las ventajas que ofrecen las
tecnologías del aprendizaje automático se pueden llegar a implementar en una variedad de
casos, especialmente en aquellos cuando los datos no son el núcleo de la oferta de los servicios.
