No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Tipos de modelos de machine learning

4/16
Recursos

Aportes 9

Preguntas 0

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

There鈥檚 a third paradigm: reinforcement learning. Here algorithms learn to react to an environment on their own.

You can see the comparison here:


Retrieved from: https://www.aitude.com/supervised-vs-unsupervised-vs-reinforcement/#:~:text=Supervised Learning predicts based on,Unsupervised Learning discovers underlying patterns.&text=Whereas%2C Unsupervised Learning explore patterns,a trial and error method.

Creo que seria mejor que el audio y la presentacion esten en el mismo idioma, ya sea ingles o espa帽ol, pero el mismo idioma.

Esto de to hear in ingles but to read las diapositivas in spanish me provoca un neural short circuit 馃ゴ

Machine Learning

Supervised Learning

Unsupervised Learning

Encontr茅 este video para ampliar la clase en s铆:
https://www.youtube.com/watch?v=WM7XaTyX7O8&ab_channel=AprendeInnovando

:3 que super le entend铆

I love this course that in each video they summarize the topics that were seen, in addition to the fact that the teacher explains very well, a very good course, congratssss 馃榿

Otros dos aprendizajes suprvisados

Aprendizaje semisupervisado:

  • En el aprendizaje semisupervisado, se utiliza un conjunto de datos que tiene una combinaci贸n de datos etiquetados y no etiquetados. El modelo se entrena inicialmente con los datos etiquetados y luego se utiliza para inferir y asignar etiquetas a los datos no etiquetados. Este enfoque es 煤til cuando hay una gran cantidad de datos no etiquetados y etiquetarlos manualmente ser铆a costoso o impracticable.

Aprendizaje por transferencia:

  • En el aprendizaje por transferencia, se utiliza el conocimiento o la experiencia aprendida de un problema para resolver otro problema relacionado. En lugar de entrenar un modelo desde cero, se aprovecha un modelo preentrenado y se ajusta o se transfieren sus conocimientos a una nueva tarea. Esto puede acelerar el proceso de entrenamiento y mejorar el rendimiento del modelo.

Tambi茅n hay otros enfoques y variantes, como el aprendizaje profundo (deep learning), que utiliza redes neuronales profundas para el procesamiento de datos. La elecci贸n del tipo de modelo depende del problema espec铆fico que se est茅 abordando y de los datos disponibles.

Para complementar:
驴Qu茅 es el Machine Learning?驴Y Deep Learning? Un mapa conceptual | DotCSV
https://youtu.be/KytW151dpqU?list=PL-Ogd76BhmcC_E2RjgIIJZd1DQdYHcVf0

驴Qu茅 es el Aprendizaje Supervisado y No Supervisado? | DotCSV
https://youtu.be/oT3arRRB2Cw?list=PL-Ogd76BhmcC_E2RjgIIJZd1DQdYHcVf0