Que es el machine learning

modelo de aprendizaje automático

El trabajo sobre el aprendizaje automático pasa de un enfoque basado en el conocimiento a un enfoque basado en los datos. Los científicos empiezan a crear programas para que los ordenadores analicen grandes cantidades de datos y saquen conclusiones -o “aprendan”- a partir de los resultados.[2] Se popularizan las máquinas de vectores de apoyo (SVM) y las redes neuronales recurrentes (RNN).[3] Se inician los campos de la complejidad computacional a través de las redes neuronales y la computación super-Turing.[4]

La obra de Thomas Bayes An Essay towards solving a Problem in the Doctrine of Chances se publica dos años después de su muerte, habiendo sido enmendada y editada por un amigo de Bayes, Richard Price[8] El ensayo presenta el trabajo que sustenta el teorema de Bayes.

Warren McCulloch y Walter Pitts desarrollan un modelo matemático que imita el funcionamiento de una neurona biológica, la neurona artificial, que se considera el primer modelo neuronal inventado[12].

Frank Rosenblatt inventa el perceptrón mientras trabaja en el Laboratorio Aeronáutico de Cornell.[16] La invención del perceptrón generó una gran expectación y tuvo una amplia repercusión en los medios de comunicación.[17]

aprendizaje automático – wikipedia

El aprendizaje automático (ML) es el estudio de los algoritmos informáticos que pueden mejorar automáticamente a través de la experiencia y el uso de datos[1] Se considera una parte de la inteligencia artificial. Los algoritmos de aprendizaje automático construyen un modelo basado en datos de muestra, conocidos como datos de entrenamiento, con el fin de hacer predicciones o tomar decisiones sin estar explícitamente programados para ello[2] Los algoritmos de aprendizaje automático se utilizan en una amplia variedad de aplicaciones, como en medicina, filtrado de correo electrónico, reconocimiento de voz y visión por ordenador, donde es difícil o inviable desarrollar algoritmos convencionales para realizar las tareas necesarias[3].

Un subconjunto del aprendizaje automático está estrechamente relacionado con la estadística computacional, que se centra en la realización de predicciones mediante ordenadores; pero no todo el aprendizaje automático es aprendizaje estadístico. El estudio de la optimización matemática aporta métodos, teoría y dominios de aplicación al campo del aprendizaje automático. La minería de datos es un campo de estudio relacionado, que se centra en el análisis exploratorio de datos a través del aprendizaje no supervisado[5][6] Algunas implementaciones del aprendizaje automático utilizan datos y redes neuronales de una manera que imita el funcionamiento de un cerebro biológico[7][8] En su aplicación a los problemas empresariales, el aprendizaje automático también se conoce como análisis predictivo.

tipos de aprendizaje automático

El aprendizaje automático es un método de análisis de datos que automatiza la construcción de modelos analíticos. Es una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de los datos, identificar patrones y tomar decisiones con una mínima intervención humana.

Debido a las nuevas tecnologías informáticas, el aprendizaje automático actual no es como el del pasado. Nació del reconocimiento de patrones y de la teoría de que los ordenadores pueden aprender sin estar programados para realizar tareas específicas; los investigadores interesados en la inteligencia artificial querían ver si los ordenadores podían aprender de los datos. El aspecto iterativo del aprendizaje automático es importante porque, a medida que los modelos se exponen a nuevos datos, son capaces de adaptarse de forma independiente. Aprenden de los cálculos anteriores para producir decisiones y resultados fiables y repetibles. Es una ciencia que no es nueva, pero que ha cobrado un nuevo impulso.

Aunque muchos algoritmos de aprendizaje automático existen desde hace mucho tiempo, la capacidad de aplicar automáticamente complejos cálculos matemáticos a grandes datos -una y otra vez, cada vez más rápido- es un desarrollo reciente. He aquí algunos ejemplos ampliamente difundidos de aplicaciones de aprendizaje automático que quizá conozcas: