Tipos de modelos de machine learning

There’s 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 español, pero el mismo idioma.

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

Machine Learning

Supervised Learning

Unsupervised Learning

Encontré este video para ampliar la clase en sí:
https://www.youtube.com/watch?v=WM7XaTyX7O8&ab_channel=AprendeInnovando

:3 que super le entendí

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 😁

Reference get from the diapositives:

• Which Machine Learning Algorithm Should You USe By Problem Type?

Otros dos aprendizajes suprvisados

Aprendizaje semisupervisado:

• En el aprendizaje semisupervisado, se utiliza un conjunto de datos que tiene una combinación 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 útil cuando hay una gran cantidad de datos no etiquetados y etiquetarlos manualmente sería 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.

También hay otros enfoques y variantes, como el aprendizaje profundo (deep learning), que utiliza redes neuronales profundas para el procesamiento de datos. La elección del tipo de modelo depende del problema específico que se esté abordando y de los datos disponibles.

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

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