Scribd
Cargar
286 vistas2 páginas

Mapa Mental Machine Learning

Machine learning es la ciencia que permite que las computadoras aprendan sin programación explícita, mientras que deep learning es un tipo más sofisticado que funciona como una red neuronal. Deep learning se desarrolló a partir de 2010 con la disponibilidad de grandes datos y computadoras poderosas, mientras que machine learning surgió en los años 80 como una forma de aplicar inteligencia artificial. Ambos aprenden de los datos para hacer predicciones, pero deep learning puede procesar grandes cantidades de datos de forma no lineal.

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 PDF, TXT o lee en línea desde Scribd
286 vistas2 páginas

Mapa Mental Machine Learning

Machine learning es la ciencia que permite que las computadoras aprendan sin programación explícita, mientras que deep learning es un tipo más sofisticado que funciona como una red neuronal. Deep learning se desarrolló a partir de 2010 con la disponibilidad de grandes datos y computadoras poderosas, mientras que machine learning surgió en los años 80 como una forma de aplicar inteligencia artificial. Ambos aprenden de los datos para hacer predicciones, pero deep learning puede procesar grandes cantidades de datos de forma no lineal.

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 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.
El aprendizaje no supervisado se suele usar en El aprendizaje supervisado suele usarse
problemas de clustering, agrupamientos de co- problemas de clasificación, como identificación
ocurrencia y profiling. Sin embargo, los problemas de dígitos, diagnósticos, o detección de fraude
que implican tareas de encontrar similitud, predicción de identidad.
de enlaces o reducción de datos, pueden ser
Problemas de
supervisado o no. Clasificación

Uso de
Problemas de
Problemas de El aprendizaje supervisado se
Clustering Regresión
utiliza para problemas de
regresión como predicciones
Machine Learning meteorológicas, de expectativa de
Aprendizaje vida, de crecimiento etc.

Solo se puede describir la estructura de los


datos para intentar encontrar algún tipo de
Funcionamiento:
organización que simplifique el análisis. Por Caracter
Aprendizaje
Exploratorio supervisado
eso es que tiene un carácter exploratorio

Funcionamiento: Los algoritmos trabajan con datos etiquetados,


Aprendizaje no
supervisado
intentando encontrar una función que, dadas
El aprendizaje no supervisado sucede cuando se las variables de entrada, les asigne la etiqueta
trabaja con datos que no están etiquetados. de salida adecuada. El algoritmo entrena con un
Solo se conoce los datos de entrada pero no histórico de datos y así aprende a asignar la
existen datos de salida que corresponden a un etiqueta de salida adecuada a un nuevo valor.
determinado input,

Juan Segura

También podría gustarte