top of page
Libros de cámara

I&L CONSULTING

MACHINE LEARNING

Actualizado: 12 dic 2021


Machine learning
Machine learning

CONCEPTO

“Machine Learning es la ciencia que permite que las computadoras aprendan y actúen como lo hacen los humanos, mejorando su aprendizaje a lo largo del tiempo de una forma autónoma, alimentándolas con datos e información en forma de observaciones e interacciones con el mundo real.” — Dan Fagella

En la actualidad este concepto lo podemos ver aplicado por ejemplo en el automóvil de conducción autónoma de Google tan publicitado, o la estrategia de saber lo que los clientes dicen acerca de usted en Twitte.


La innovación en machine learning en los negocios les permitirá automatizar proceso, utilizar los datos del negocio para la creación de algoritmos que permitan por ejemplo gestionar a un cliente nuevo que visite nuestra página, y brindar soporte 24/7.


Diferencias entre Minería de datos - machine learning y Deep learning


  1. La minería de datos puede ser considerada un súper conjunto de muchos métodos diferentes para extraer insights de datos. Podría implicar métodos estadísticos tradicionales y machine learning.

  2. La minería de datos aplica métodos de muchas áreas diferentes para identificar patrones antes desconocidos de datos. Esto puede incluir algoritmos estadísticos, aprendizaje basado en máquina, analítica de texto, análisis de series de tiempo y otras áreas de la analítica.

  3. La minería de datos incluye también el estudio y la práctica del almacenaje y la manipulación de datos.

 
  1. La diferencia principal con el aprendizaje basado en máquina es que, al igual que los modelos estadísticos, el objetivo es entender la estructura de los datos – ajustar distribuciones teóricas a los datos que son bien entendidos. De modo que con modelos estadísticos hay una teoría detrás del modelo que se demuestra en términos matemáticos, pero esto requiere que los datos cumplan también con ciertas suposiciones de rigor.

  2. El machine learning se ha desarrollado con base en la posibilidad de usar computadoras para sondear la estructura de los datos, incluso si no tenemos una teoría de qué aspecto tiene la estructura. La prueba para un modelo de machine learning es un error de validación en nuevos datos, no una prueba teórica que demuestra una hipótesis nula. Como el machine learning utiliza a menudo un enfoque iterativo para aprender de datos, el aprendizaje puede ser automatizado con facilidad. Se hacen pases por los datos hasta que se encuentra un patrón sólido.

 
  1. El aprendizaje a fondo o mejor conocido como deep learning, combina avances en poder de cómputo y tipos especiales de redes neurales para aprender patrones complicados en grandes cantidades de datos. Las técnicas de aprendizaje a fondo son actualmente métodos de vanguardia para identificar objetos en imágenes y palabras en sonidos. Los investigadores buscan ahora aplicar estos aciertos en el reconocimiento de patrones a tareas más complejas como traducción automática del lenguaje, diagnósticos médicos y otros problemas sociales y de negocios importantes.

Fuente: SaS





24 visualizaciones0 comentarios

Entradas Recientes

Ver todo

Comments


  • Instagram
  • LinkedIn
  • Facebook
bottom of page