Conceptos basicos de Machine Learning

Conceptos Básicos del Machine Learning

Como parte de la introducción al tutorial exploraremos los conceptos básicos del Machine Learning o aprendizaje automático. Con esto mejoraremos nuestro entendimiento sobre el tema, dando así una visión mas amplia de como podríamos utilizar en el día a día.

Con la ayuda del Machine Learning podemos construir y desarrollar sistemas inteligentes capaces de tomar decisiones de manera autónoma. Los algoritmos que desarrollamos aprenden de instancias pasadas a través de la coincidencia de patrones y análisis estadísticos.

Cómo funciona el Machine Learning
Diagrama de Flujo Simple del funcionamiento del Machine Learning

Los datos son la columna vertebral de los algoritmos del aprendizaje automático. Con la ayuda de estos datos podemos crear más datos a medida que entrenemos a los algoritmos. Por ejemplo, las redes adversas generativas son un concepto capaz de generar nuevas imágenes a partir de una base de datos ya existente.

Conceptos Básicos del Machine Learning

Tipos de Machine Learning

El Machine Learning se puede clasificar de la siguiente manera:

Tipos de Machine Learning

Aprendizaje Supervisado

El aprendizaje supervisado o Supervised Learning es el conjunto de datos etiquetados con el que entrenamos nuestro modelo. Aquí existe una distinción clara y especifica de los datos de entrada y de salida.

Un ejemplo de ello es el filtro de Spam, ya que según los datos etiquetados puede determinar sin los datos son no deseados o de spam.

Aprendizaje NO Supervisado

En el aprendizaje sin supervisión no hay datos etiquetados, por lo tanto el algoritmo identifica los patrones dentro del conjunto de datos y los aprende. El algoritmo trabajara para agrupar los datos en varios grupos según su densidad.

El proceso de aprendizaje no supervisado se basa en la búsqueda de patrones en los datos, por lo tanto el modelo sacará conclusiones después del aprendizaje de patrones.

Aprendizaje de Refuerzo

El refuerzo de aprendizaje es un tipo muy popular del algoritmo de Machine Learning y se utiliza en varios sistemas autónomos de la robótica industrial y automóviles. El objetivo de este algoritmo es alcanzar una meta en un entorno dinámico

En este modelo de aprendizaje existen secuencias de acciones similares que mejoraran el algoritmo con una mayor experimentación del modelo con el entorno.

0/5 (0 Reviews)

Entradas Relacionadas

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Ir arriba