¿Qué es Machine Learning?

Clase 5 de 28 • Curso de Introducción a Machine Learning 2017

Resumen

Machine Learning = Serie de algoritmos que hacen que un sistema sea artificialmente inteligente.

Los algoritmos se dividen en 2 partes:

- Aprendizaje supervisado. En este aprendizaje somos nosotros los que guiamos al algoritmo a la respuesta correcta.
- Aprendizaje sin supervisión. El algoritmo detecta patrones y agrupa la información con estos patrones. Aquí nosotros podemos darle características a los algoritmos y éstos agrupan todo mediante patrones relacionados con esa información.

Sergio Alexander Florez Galeano

student•

Les comparto otras definiciones con base a mi experiencia:

El machine learning es una rama de la inteligencia artificial enfocada en que los sistemas aprendan autónomamente.

En el contexto de los sistema inteligentes APRENDER significa que una máquina tenga la capacidad de identificar patrones complejos en millones de datos.

Los tipos de aprendizaje principales son:

Aprendizaje supervisado: Algoritmos que permiten clasificar o hacer predicciones a futuro basados en el comportamiento o carácteristicas de los datos ya almacenados. A los datos ya almacenados se les conoce como datos de entrenamiento, los cuales nosotros mismos le proporcionamos al sistema con el fin de que aprenda a identificar los patrones específicos (con esto guíamos el algoritmo). En algoritmos supervisados la caracterítica principal de los datos de entrenamiento es que ya vienen etiquetados (clasificados), es decir, que para cada entrada se conoce previamente su salida al entrar al sistema.
Aprendizaje no supervisado: Algoritmos con un caracter altamente exploratorio, cuyo fin es encontrar patrones, estructuras o formas dentro de datos de entrenamiento no etiquetados (no clasificados), es decir que el algoritmo va a ciegas y debe aprender a identificar por si solo conjuntos y grupos de datos con base a sus similitudes y carácteristicas.

Resumiendo lo anterior, si vemos al sistema como una caja negra:

En los supervisados se conoce la entrada y la salida de la caja negra y debe aprender a identificar los datos nuevos que lleguen al sistema con base a estos; mientras que en los no supervisados el sistema solo conoce la entrada de la caja negra, y debe tratar de inferir cual sería la salida.

Espero les sea de ayuda 😃

LUIS FERNANDO CASTAÑEDA CASTRO

student•

Excelente el aporte compañero

Frederick Mejia

student•

Perfecto comprendí mucho mejor los conceptos

Kevin Morales

student•

Machine Learning: Es la manera de hacer que algo sea artificialmente inteligente.
Aprendizaje Supervisado: Es cuando guias al algoritmo a la respuesta correcta, como cuando no ensañaron a escribir. Es como funciona los correos que llegan a spam después de tantas veces eliminarlo.
Aprendizaje sin Supervisión: El algoritmo detecta patrones y los agrupa de acuerdo a esos patrones. Se basa en la información que le doy para agrupar eso

Fernando González García

student•

Gracias.

Francisco Guerra

student•

Diferencia entre machine learning y deep learning:

Espero que les sirva!

Cristian Orozco Benjumea

student•

Les recomiendo este video que habla de Aprendizaje Supervisado y No Supervisado

Para quienes no los conocen les recomiendo estos canales de YouTube quienes hablan de machine learning.

DotCSV
Oliver Nabani

Y en inglés:

Siraj Raval
sentdex
TwoMinutePapers

Ronaldo Ricardo Mata Rodriguez

student•

Machine Learning:
Es una serie de algoritmos que hacen que un sistema sea artificialmente inteligente.

Los algoritmos se dividen en:

Aprendisaje supervisado : llevar al algoritmo al resultado deseado.

Aprendisaje sin supervisión: el algoritmo detecta patrones y agrupa la información de acuerdo a estos.