Introducción a la terminología de Machine Learning

El machine learning no es una moda pasajera, es algo que llego para quedarse y siempre le ha interesado a la humanidad.

• AI: Inteligencia Artificial. Se refiere a la capacidad de una máquina de realizar tareas que deberían ser reservadas por la inteligencia humana, cumpliéndolas al mismo nivel o mejor.

• ML: Machine Learning. Es un subcampo de la inteligencia artificial que involucra muchos datos para poder brindárselos de alguna forma a un software y que pueda resolver una tarea específica sin necesidad de que esté programada explícitamente para realizarla.

Dentro de ML tenemos tres tipos principales de algoritmos de aprendizaje:

1. Supervised learning: Este tipo requiere etiquetas, los datos tendrás etiquetas de sí o no.
2. Unsupervised learning: Nuestras variables de entrada tendrán un peso para luego sumar esas variables y tendremos un resultado. Esto no es más que una regresión lineal.
3. Reinforcement learning: Si solo tengo las variables de entradas. Se puede agrupar y buscar patrones. Tomar acciones para maximizar la recompensa en una situación específica.

• DL: Aprendizaje profundo. Es ML con redes neuronales de muchas capas que pueden aprender asociaciones entre entrada y salidas. Estas redes con diferentes nodos y se asemejan a como funciona una neurona del cuerpo humano.