0% encontró este documento útil (0 votos)
10 vistas14 páginas

01 Introduccion

El documento aborda el aprendizaje de máquinas, destacando su capacidad para aprender sin programación explícita y su aplicación en diversas áreas como la predicción de eventos complejos y la clasificación de datos. Se discuten diferentes tipos de aprendizaje, incluyendo supervisado y no supervisado, así como ejemplos prácticos en campos como la detección de fraudes y la predicción de sismos. Además, se menciona la complejidad del juego Go y el impacto de algoritmos avanzados como AlphaGo en el entendimiento humano del juego.

Cargado por

esilva2021
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
0% encontró este documento útil (0 votos)
10 vistas14 páginas

01 Introduccion

El documento aborda el aprendizaje de máquinas, destacando su capacidad para aprender sin programación explícita y su aplicación en diversas áreas como la predicción de eventos complejos y la clasificación de datos. Se discuten diferentes tipos de aprendizaje, incluyendo supervisado y no supervisado, así como ejemplos prácticos en campos como la detección de fraudes y la predicción de sismos. Además, se menciona la complejidad del juego Go y el impacto de algoritmos avanzados como AlphaGo en el entendimiento humano del juego.

Cargado por

esilva2021
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

Introducción

Aprendizaje
inductivo

• Agentes lógicos
Aprendizaje deductivo
• Optimización
• Resolución de problemas (problem solving)
• Aprendizaje inductivo

.:.
s
cara
e
iónd
c
tec
De

https://faceplusplus.com/face-detection/
.:.

m
Spa
e
iónd
c
tec
De

https://talosintelligence.com/reputation_center/email_rep

.:.
s
ude
fra
e
iónd
te cc
De

https://contentpond.com/how-ai-can-
analyse-the-fraud-detection-in-credit-card/ https://www.prnewswire.com/news-releases/payment-card-fraud-
losses-reach-27-85-billion-300963232.html

.:.

Aprendizaje inductivo
Especialmente veremos el aprendizaje de máquinas.
- Mas allá de AI
- Nuevas capacidades para computadores.
Big-Data
Ejemplos de aplicaciones:
- Minería de bases de datos muy grandes
i.e. Datasets super-largos de sensores/Web/etc.
e.g., Web click data, medical records, biología, ingeniería
- Aplicaciones “que no pueden ser programadas a mano”.
E.g., Helicoptero autónomo, handwriting recognition, Natural Language
Processing (NLP), Computer Vision.
-Predicción de eventos complejos.
i.e. ¿A Juan le gustará la película “Titanes del Caribe”?. ¿Cuánto costará la
acción de la empresa LAN mañana?.
.:.
.:.

Introducción
¿Qué es el aprendizaje de
máquinas?

.:.
Definiciones de Machine Learning
• Campo de estudio que da a los computadores la
capacidad de aprender sin ser programados
explicitamente (Samuel, 1959).
• Problema de aprendizaje: Un programa A se dice
que aprende de experiencia E en relación a tarea T
y medida de performance P, si su performance en
T, medida por P, mejora con experiencia E
(Mirchell, 1989).
https://academic.oup.com/mind/article/LIX/236/433/986238
.:.

Go
• El Go es un juego muy superior al ajedrez en
complejidad.
• Se esperaba que a partir del 2030 se podría tener un
programa mejor que los humanos; hasta que llegó
AlphaGo.
• Según el nro 1 del mundo de Go (2017), Ke Jie, luego de
perder 3-0: ‘After humanity spent thousands of years improving our tactics,
computers tell us that humans are completely wrong... I would go as far as to say not a
single human has touched the edge of the truth of Go’.
https://www.newscientist.com/article/2132086-deepminds-ai-beats-worlds-best-go-player-in-latest-face-off/

.:.
Algoritmos de Machine learning:
- Aprendizaje supervisado
- Aprendizaje no supervisado

Otros:
- Aprendizaje por refuerzo
- Sistemas recomendadores

.:.

Introducción
Aprendizaje
Supervisado

.:.
Predicción de costo de casas
400

300
Precio ($)
200
in 1000’s
100

0
0 550 1100 1650 2200
Área en m2

Aprensizaje Supervisado Regresión: Predice salidas de


Ya tiene respuestas correctas. valores continuos (precio)
.:.

Cancer de mama (maligno, benigno)

Clasificación
1(Y)
Salida discreta
Maligno ¿Dónde colocar el umbral?
(0 o 1)
0(N)
Tamaño de Tumor (cm2)

.:.
Edad

Tamaño de tumor (cm2)

.:.

Introducción
Aprendizaje no
Supervisado
.:.
Aprendizaje supervisado

Queremos hacer una

Años como cliente


campana de publicidad,

Y el gerente quiere realizarla

por grupos…

¿Cuáles son esos grupos?

Montos promedio de ventas mensuales

.:.

Aprendizaje supervisado

Queremos hacer una


Años como cliente

campana de publicidad,

Y el gerente quiere realizarla

por grupos…

¿Cuáles son esos grupos?

Montos promedio de ventas mensuales

.:.
.:.

Data Clustering jerárquico


s
to
en
im

de
er

i ón
xp
2e

es
pr
jo

ex
ba

do
rs

an
ste

er

K-Means SOM
Cl u

si d
n
co

l or
va

-Grupos de genes propensos a

enfermedades como asma o cancer.

-Determinar creación de nuevas

cepas de enfermedades.
[Source: Patrik D'haeseleer (2005). : https://www.nature.com/articles/nbt1205-1499]
.:.
Análisis de redes
sociales
(facebook)

Análisis de datos astronómicos


Segmentación de mercado https://astronomy.com/news/2015/10/banking-x-ray-data-for-the-future
.:.

Ejm 1: Predicción de
frecuencia de sismos

González, Nicolis, Peralta, Chiodi. "Spatio-Temporal


Seismicity Prediction in Chile Using a Multi-Column
ConvLSTM." IEEE Access (2022).

.:.
Ejm 2: Predicción de zona
relevante para enfermedad

Martínez, Nicolis, Caro, Peralta.”A Proposal for


the Deep Unsupervised Identification of Relevant
Areas in X-Rays for Covid Detection." 2021 IEEE
CHILEAN Conference on Electrical, Electronics
Engineering, Information and Communication
Technologies (CHILECON). IEEE, 2021.

.:.

Ejm 3: Predicción de
impacto de campaña de
marketing

López, Ruiz, Caro, Nicolis, Peralta. "Marketing


improvement in a Chilean Retail Company
using Uplift Modeling with neural
networks." 2021 40th International Conference
of the Chilean Computer Science Society
(SCCC). IEEE, 2021.

.:.
Dadas los siguientes tareas, ¿cuál es la tarea más difícil a la
cual aplicaría un algoritmo de aprendizaje no supervisado?:

Dado emails con label spam/not spam, aprender un filtro de spam.

Dado un conjunto de noticias, indicar cual es la noticia mas


importante.
Dada base de datos de autos reparados, automáticamente descubrir
grupos de autos de clientes.
Dado dataset de síntomar de pacientes con asma, aprender a
clasificar nuevos pacientes con esa enfermedad .

¿ Tareas de Aprendizaje Automático?

• ¿Jugar un partido de tenis de mesa decente?


• ¿Jugar un juego decente de “Quiere ser millonario”?
• ¿Conducir con seguridad por una carretera de montaña con curvas?
• ¿Conducir con seguridad por la avenida Moneda a las 12 pm?
• ¿Comprar alimentos para una semana en la web?
• ¿Comprar alimentos para una semana en el Jumbo?
• ¿Descubrir y demostrar un nuevo teorema matemático?
• ¿Conversar con éxito con otra persona durante una hora?
• ¿Realizar una operación quirúrgica?
• ¿Guardar los platos y doblar la ropa?
• ¿Traducir chino hablado a inglés hablado en tiempo real?
• ¿Escribe una historia intencionalmente divertida?

.:.
¿ Tareas de Aprendizaje Automático?

.:.

También podría gustarte