Clasificaci贸n de Machine Learning

Tabla de contenidos

La clasificaci贸n de Machine Learning es muy diferente en distintas en literaturas, esto se debe a que cada vez se mejoran las tecnolog铆as y por consiguiente se desarrollan nuevos algoritmos.

A pesar de todo, podemos clasificar Machine Learning de la siguiente forma.

estad铆sticas en machine learning

Aprendizaje Supervisado

En los problemas de aprendizaje supervisado, comenzamos el an谩lisis con un conjunto de datos que contiene ejemplos de entrenamiento con etiquetas correctas asociadas. El algoritmo aprender谩 la relaci贸n entre los datos y sus etiquetas y aplicar谩 esa relaci贸n aprendida para clasificar datos completamente nuevos que la m谩quina no haya vista antes.

clasificaci贸n de machine learning

Por ejemplo, cuando se aprende a clasificar im谩genes de gatos, el algoritmo toma miles de im谩genes de gatos junto con la etiqueta 鈥済ato鈥.

El algoritmo aprender谩 esta relaci贸n y cuando se le muestre una nueva imagen, esta vez sin etiquetas, podr谩 aplicar esa relaci贸n aprendida y determinar聽 si es un gato o no.

calculo en machine learning

Aprendizaje No Supervisado

驴C贸mo se encuentra la estructura subyacente de un conjunto de datos? 驴C贸mo lo resumes y lo agrupas m谩s 煤tilmente? 驴C贸mo se representan datos de manera efectiva en un formato comprimido? Estos son algunos de los objetivos del aprendizaje no supervisado, que se denomina 鈥渟in supervisi贸n鈥 porque comienza con datos no etiquetados.

En contraste con el aprendizaje supervisado, no siempre es f谩cil obtener m茅tricas sobre qu茅 tan bien est谩 funcionando un algoritmo de aprendizaje sin supervisi贸n. El 鈥渞endimiento鈥 a menudo es subjetivo y espec铆fico del dominio.

clasificaci贸n de machine learning

Un ejemplo de esto es que tenemos un conjunto de im谩genes de distintos animales, el algoritmo no supervisado simplemente va a agrupar cada uno de los tipos de animales de acuerdo a las caracter铆sticas y similitudes que poseen. Este agrupamiento ser铆a el resultado final o soluci贸n del algoritmo. Ac谩, a diferencia del aprendizaje supervisado, no se sabe exactamente qu茅 animal es.

El algoritmo aprender谩 a agrupar los tipos de animales, por ende cuando se le introduzca un nuevo animal, podr谩 aplicar esa relaci贸n aprendida y determinar a qu茅 grupo pertenece.

estad铆sticas en machine learning

Aprendizaje por Refuerzo

En este aprendizaje no hay una clave de respuesta, pero el algoritmo a煤n tiene que decidir c贸mo actuar para realizar su tarea. En ausencia de datos de capacitaci贸n, el algoritmo aprende de la experiencia, recoge los ejemplos de entrenamiento (esta acci贸n fue buena 鈥 esta acci贸n fue mala) a trav茅s de ensayo y error mientras intenta su tarea, con el objetivo de maximizar la recompensa a largo plazo.

clasificaci贸n de machine learning

Un ejemplo de esto lo vemos al introducir una imagen de una mariposa al algoritmo, este no conoce qu茅 es por lo que 鈥渁divina鈥 indicando que es un gato. Obviamente la respuesta es incorrecta por lo que se le indica al algoritmo y a su vez se le puede dar la respuesta correcta, en ocasiones el algoritmo tiene que seguir dando respuestas hasta que obtenga la correcta. Una vez dada esta informaci贸n al algoritmo, la aprende para una nueva oportunidad. Si ahora a este algoritmo, ya aprendido, se le introduce nuevamente una foto de una mariposa, la respuesta que dar谩 ser谩 la correcta ya que ha aprendido.

calculo en machine learning

Aprendizaje por Procesamiento de Lenguaje Natural

Este es una de las clasificaciones que en ocasiones se le atribuye a la Inteligencia Artificial, aunque al final son mejoras a algoritmos propios de Machine Learning para cumplir un prop贸sito bien claro. Este aprendizaje formula mecanismos eficaces para la comunicaci贸n entre personas y m谩quinas por medio de lenguajes naturales.

clasificaci贸n de machine learning

Por ejemplo se le puede introducir al algoritmo la palabra 鈥済racias鈥 en distintos idiomas y este podr谩 determinar los idiomas y el significado de cada una de las palabras.

Este algoritmo es utilizado en un sin fin de aplicaciones hoy en d铆a, como el an谩lisis de discursos, documentos, entre otros, sin importar el idioma en que se encuentre.

machine learning seg煤n expertos

Aprendizaje Profundo

Es el aprendizaje que ha tenido m谩s auge en los 煤ltimos a帽os, por todo lo que ha podido conseguir. Utiliza los principios de los algoritmos b谩sicos de Machine Learning, en conjunto, intentando modelar abstracciones de alto nivel en datos, usando arquitecturas compuestas.

Esta definici贸n puede ser compleja, pero es que con este aprendizaje se puede hacer pr谩cticamente cualquier cosa, la desventaja es que requiere un n煤mero superior de datos, comparado con los otros algoritmos, pero el mayor inconveniente que tiene es que se requiere tecnolog铆a de punta para poder procesar los algoritmos, raz贸n por la cual es, hasta ahora, que se ha venido desarrollando este aprendizaje.

clasificaci贸n de machine learning

Un ejemplo de lo que puede hacer este algoritmo es tomar una foto en blanco y negro y colocarle color, determinando cada uno de los elementos que contiene para as铆 determinar qu茅 color se beneficia y cu谩l no.

clasificaci贸n de machine learning

Existen muchas otras clasificaciones que en ocasiones se le atribuye a la Inteligencia Artificial pero al final son mejoras a los algoritmos propios de Machine Learning.

Seguramente con el pasar de los a帽os esta clasificaci贸n se ir谩 ampliando, sobretodo con las mejoras en las tecnolog铆as para procesar la informaci贸n y los algoritmos, pero la base siempre ser谩 la misma, raz贸n por la cual en esta serie nos enfocaremos en los algoritmos bases que son los que todos debemos conocer. Estos algoritmos se encuentran dentro de la clasificaci贸n de Aprendizaje Supervisado y No Supervisado y en estos nos enfocaremos solamente.

pregunta aprendeia

Respuesta a la pregunta del video

Con el aumento de los datos y de los equipos para su procesamiento cada vez se agregan nuevas ramas a Machine Learning, una de ellas que podemos mencionar es la Visi贸n Computacional, en ella se adquiere, procesa, analiza y comprende las im谩genes del mundo real con el fin de producir informaci贸n. En ocasiones se indica que esta es una rama de la Inteligencia Artificial, pero sucede lo mismo que el 鈥淣atural Language Processing鈥 el cual utiliza varios algoritmos de machine learning para obtener los objetivos.

De igual forma en la lista de algoritmos que voy a explicarte en este curso faltaron varios, uno de ellos, por ejemplo, es el Naive Bayes. La raz贸n de que no est谩 incluido es que este es un algoritmo que no puede ser explicado sin incluir la f贸rmula matem谩tica sujeto a 茅l por lo que nos saldr铆amos del principio principal de este curso, el cual es explicar todo de la manera m谩s sencilla sin incluir f贸rmulas matem谩ticas ni c贸digos de programaci贸n.

Si te llamo la atenci贸n todo este contenido y te animaste a empezar a estudiar Inteligencia Artificial, he desarrollado un curso que te ayudar谩, de igual forma a iniciar tu camino dentro de est谩 tecnolog铆a. Este curso te sentar谩 las bases y te dar谩 m谩s claridad para poder seleccionar el enfoque o 谩rea que m谩s te interese sobre la Inteligencia Artificial, de igual forma te ayudar谩 tener m谩s claridad en muchos conceptos que seguramente en estos momentos te parece confusos. Este curso es ideal si apenas est谩s empezando. Si quieres m谩s informaci贸n puedes ingresar a este enlace.

6 comentarios en “Clasificaci贸n de Machine Learning”

  1. Buen dia Ligdi
    Espero que te encuentres bien.
    Queria agradecerte todo el material referente a Python en Youtube.
    He podido comprender y ademas tengo a la mano poder estudiar de nuevo.
    Hace poco termine un curso de introducci贸n a Python, Pandas, API, creaci贸n de lista, diccionarios, trabajar con archivos csv, etc.
    Trabajo con futbol, y el analista de datos de mi club renuncio, dejando que yo sea quien maneje el tema por el curso realizado. trabajo en un club profesional, necesito mas ayuda, tengo una serie de ecuaciones para determinar un perfil por jugador, (goles, asistencias a goles, pases acertados, centros, duelos defensivos ganados, etc)
    Se como emepzar, pero se me dificulta, estoy solo en esto y necesito mantener mi empleo y convertirme en el mejor y unico analista de datos de colombia en futbol. arrancando casi que de cero.

    1. Hola Elkin, ac谩 encontrar谩s bastante informaci贸n que puedes utilizar, de igual forma tengo disponibles las asesor铆as en donde los oriento directamente para el desarrollo de sus proyectos. Saludos.

  2. Hola Ligdi,
    Soy un estudiante del Grado de F铆sica de la Universidad de Valladolid (Espa帽a).
    Quiero agradecerte el contenido del curso. Aun no me he metido de lleno, pero planeo terminarlo entero en un par de meses para poder empezar a programar por mi cuenta. La f铆sica computacional es una rama muy demandada actualmente. Aparte, me gusta bastante todo lo que incluye.

    De nuevo, gracias por todo. Cu铆date mucho.

    Un saludo 馃檪

  3. Saludos. Soy nuevo en este tema, solo quiero saber si estoy en lo correcto o no. La inteligencia artificial es un mundo amplio y cubre muchas 谩reas, lo que es machine learning es una parte de inteligencia articial 驴estoy en lo correcto?

Deja un comentario

Tu direcci贸n de correo electr贸nico no ser谩 publicada.