Fundamentos de Machine Learning
Lo esencial: conceptos básicos de aprendizaje automático / Machine Learning (ML)
Wikipedia: El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas (del inglés, machine learning) es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.
El aprendizaje automático – Machine Learning, ML – se ha convertido desde hace mucho tiempo en una parte integral de nuestro mundo, cambiando nuestras vidas y la sociedad. Aquí explicamos los términos y conceptos básicos de esta nuevas tecnologías.
¿Qué tipos de aprendizaje automático existen?
En el Machine Learning, existen diferentes paradigmas según los cuales se entrenan los algoritmos. Difieren en la selección de datos de entrenamiento y en el tipo y frecuencia de retroalimentación durante la fase de entrenamiento.
Optimización en aprendizaje automático
La optimización es un componente clave del Machine Learning, que permite que los modelos se entrenen en función de los datos. Por lo general, funciona en segundo plano, pero es particularmente importante en el caso de problemas de aprendizaje muy complejos y una situación de datos difícil.
Aprendizaje automático en la práctica
Describimos el Machine Learning en la práctica en tres pasos: la mentalidad correcta, un proceso de muestra con un sistema y la elección correcta de la herramienta. Esta publicación proporciona un comienzo y punteros a los recursos.
Aprendizaje profundo: ¿cómo funcionan las redes neuronales profundas?
El aprendizaje profundo utiliza redes neuronales profundas para reconocer imágenes, comprender textos y tomar decisiones con mayor precisión. Para analizar grandes conjuntos de datos, el “aprendizaje en capas” utiliza varias capas ocultas en la red.