VIDEO EXPOSITIVO SOBRE MACHINE LEARNING
Aprendiz:
Omaira Calderón Ramos
Tecnología en Análisis y Desarrollo de Software
(2834799)
Instructor:
Diego Armando Barrera Araujo
Complejo Tecnológico Minero Agro empresarial – CTMAE
Regional Antioquia
Servicio Nacional de Aprendizaje SENA
¿Qué es el MACHINE LEARNING?
El machine learning es la ciencia de desarrollo de algoritmos y
modelos estadísticos que utilizan los sistemas de computación con el
fin de llevar a cabo tareas sin instrucciones explicitas, en vez de
basarse en patrones e inferencia. Los sistemas de computación
utilizan algoritmos de machine learning para procesas grandes
cantidades datos históricos e identificar patrones de datos.
¿Por qué es importante el MACHINE LEARNING?
El machine learning permite que las empresas impulsen el crecimiento,
generen nuevas fuentes de ingreso y resuelvan problemas complejos.
Los datos son la fuerza que impulsa la toma de decisiones
empresariales. Esto suelen tener diversos orígenes. Como los
comentarios de los clientes, los empleados y las finanzas. La
investigación dedicada al machine learning automatiza y optimiza este
proceso. Las empresas pueden obtener resultados mas rápidos con
programas que analizan grandes volúmenes de datos a gran velocidad.
¿Dónde se utiliza el MACHINE LEARNING?
veamos las aplicaciones del machine learning en algunos sectores
clave:
FABRICACION
El machine learning puede respaldar el mantenimiento predictivo, el
control de calidad y la investigación innovadora en el sector de la
fabricación. La tecnología de machine learning también ayuda a que las
empresas mejoren sus soluciones logísticas, como la administración de
recursos. La cadena de suministro y la administración de inventario.
Por ejemplo: el gigante de la fabricación 3m utiliza aws machine
learning para innovar el papel de lija. Los algoritmos de machine
learning permite a los investigadores de 3m analizar el modo en que los
pequeños cambios de forma, tamaño y orientación puede mejorar la
aspereza y resistencia. Estas sugerencias documentan el proceso de
fabricación.
SANIDAD Y CIENCIA BIOLOGICAS
La proliferación de dispositivos y sensores posibles ha generado un
importante volumen de datos sanitarios. Los programas de machine
learning pueden analizar esta información y apoyar a los médicos en el
diagnostico y tratamiento en tiempo real. Los investigadores
dedicamos al machine learning desarrollan soluciones que detectan
tumores cancerosos y diagnostican enfermedades oculares, lo que
tiene gran impacto en los resultados de salud.
SERVICIOS FINANCIEROS
Los proyectos financieros de machine learning mejoran la regulación y
análisis de riesgo. La tecnología de machine learning permite que los
inversores identifiquen nuevas oportunidades mediante el análisis de
los movimientos del mercado bursátil,. La evaluación de los fondos de
cobertura o la calibración de las carteras financieras. Además, ayuda a
identificar a clientes que impliquen prestamos de alto riego y a mitigar
los indicios de fraude. El líder de software financiero intuit utiliza el
sistema de aws machine learning, Amazon textract, para lograr que la
administración financiera sea mas personalizada y ayudar a los usuarios
finales a mejorar su situación financiera.
VENTA MINORISTA
La venta minorista puede utilizar el machine learning para mejorar el
servicio al cliente, la administración del inventario, las ventas
adicionales y el marketing multicanal, por ejemplo, Amazon fulfiliment
(aft) redujo los costos de infraestructura en un 40 por ciento gracias a
un modelo de machine learning que permite identificar el inventario
extraviado. Esto ayuda a cumplir el compromiso de Amazon de tener
los artículos disponibles para el cliente y entregarlos a tiempo, sin
importar que cada año se procesen millones de envíos globales.
CONTENIDO MULTIMEDIA Y ENTRETENIMIENTO
Las empresas de entretenimiento recurren al machine learning para
comprender mejor a su audiencia y poder ofrecerles contenidos
inmersitos, personalizados y bajo demanda, los algoritmos de machine
learning se implementan para ayudar a diseñar triales y otros tipo de
anuncios, ofrecer a los consumidores recomendaciones de contenido
personalizadas e incluso agilizar la producción.
POR EJEMPLO
Disney utiliza el aprendizaje profundo de aws para archivar la biblioteca
de contenido multimedia. Las herramientas de aws machine learning
etiquetan, describen y clasifican automáticamente contenido
multimedia. Esto permite que los guionistas y animadores busquen y se
familiaricen rápidamente con los personajes.
¿Cómo funciona el MACHINE LEARNING?
La idea central de machine learning es la existencia de una relación
matemática entre cualquier combinación de datos de entrada y salida.
El modelo de machine learning no conoce de antemano esta relación,
pero puede adivinarlas si se le dan suficientes conjuntos de datos. Esto
significa que cada algoritmo de machine learning se crea en torno a
una función matemática modificable, el principio subyacente puede
entenderse así:
• Entrenamos el algoritmo al darle las siguientes combinaciones de
entrada y salida (e.s): (2.10). (5.19) y (9.31)
• El algoritmo calcula que la relación entre la entrada y la salida es:
0=3*1+4
• A continuación, le damos la entrada 7 y le pedimos que prediga la
salida, puede determinar automáticamente la salida como 25.
• Si bien se trata de conocimientos básicos. El machine learning se
centra en el principio de que los sistemas de computación pueden
relacionar matemáticamente todos los puntos de datos complejos,
siempre y cuando tengan suficiente datos y potencia de computación
para procesarlos.
¿Cuáles son los tipos de algoritmos de MACHINE
LEARNING?
Los algoritmos se pueden clasificar en cuatro estilos de aprendizaje
distintos en función de la salida de espera y del tipo de entrada.
•Machine learning supervisado
•Machine learning sin supervisar
•Aprendizaje semisupervisado
•Machine learning por refuerzo
¿cuales son las ventajas y desventajas del MACHINE
LEARNING?
Ventajas de los modelos de machine learning:
•Identificar tendencias y patrones de datos que los humanos pueden pasar
por alto.
•Luego de configurarlos, pueden funcionar sin intervención humana, por
ejemplo: el machine learning en el software de ciberseguridad pueden
supervisar e identificar de manera continua a las irregularidades en el trafico
de red sin la intervención del administrador.
•Los resultados pueden ser mas precisos con el tiempo.
•Pueden manejar una variedad de formatos de datos en entorno dinámicos,
complejos y de gran volumen de datos.
Desventajas de los modelos de MCHINE LEARNING:
• El entrenamiento inicial es un proceso costoso y puede llevar mucho
tiempo, puede ser difícil de aplicar si no se dispone de datos
suficientes.
• Se trata de un proceso con uso intensivo de computación que
requiere una inversión inicial fuerte en caso de que el hardware se
configure de manera interna.
• Sin la ayuda de un experto, puede ser un reto interpretar los
resultados correctamente y eliminar la incertidumbre.
GRACIAS
