Machine Learning
Este concepto está revolucionando el mundo, y mucha gente desconoce todavía su significado.
En el siguiente infograma se recoge la información suficiente para hacernos una idea principal.
A continuación se explicará más detenidamente dicho concepto.
NACIMIENTO DEL MACHINE LEARNING
El Machine Learning nace como consecuencia de las nuevas tecnologías computacionales a principios de los años 60.
La cantidad de datos que se genera diariamente se mueve entre unas cifras inimaginables. Este concepto se conoce como Big Data. Para poder utilizar esos datos, debemos convertirlos útil información útil y es aquí donde interviene el Machine Learning.
¿CÓMO FUNCIONA?
El principal objetivo es entender los comportamientos de los consumidores y analizar la tendencia del mercado. Para ello es fundamental detectar los patrones de comportamiento de éstos. También es capaz de asociar y generalizar conceptos.
TIPOS DE MACHINE LEARNING
· Aprendizaje Supervisado (Supervised Learning)
Este modelo depende de datos previamente etiquetados. De esta manera aprende a realizar su trabajo y así en un futuro es capaz de resolver los problemas que surjan. Estos datos son colocados por seres humanos para garantizar su calidad y efectividad.
Ejemplos: Detección de spam en los correos, reconocimiento de escritura o voz...
· Aprendizaje No supervisado (Unsupervised Learning)
En este modelo, el conjunto de datos que se utiliza no está etiquetado previamente, pero sí que se le abastece de una gran cantidad de datos para que pueda comprender y analizar la información que se le va a proporcionar. La idea de este método es algoritmo sea capaz de encontrar por sí mismo patrones que le ayuden a entender el conjunto de datos.
Ejemplos: clasificar información, detectar morfología en oraciones...
· Reforzamiento de aprendizaje (Reinforcement Learning)
Este método está basado en la praxis. La máquina aprende mediante refuerzos de la práctica, basándose en el éxito o fracaso obtenido en diversas situaciones, es decir, el sistema aprende a base de ensayo - error. Los resultados los conoce desde el principio, pero lo que desconoce es la decisión óptima para conseguirlo. Este método permite al algoritmo asociar de los patrones de éxito para repetirlos una y otra vez, hasta perfeccionar su trabajo.
Ejemplos: toma de decisiones, juegos, navegación de un vehículo...
BENEFICIOS
Los principales beneficios que aporta el Machine Learning son los siguientes:
- Eliminar el error humano
- Reforzar la ciberseguridad
- Contar con una rápida adaptabilidad a entornos de negocios cambiantes
- Lograr una ágil toma de decisiones
ÁMBITOS DE APLICACIÓN
En el infograma vienen incluidos algunos de los sectores a los que afecta actualmente esta tecnología, pero la verdad es que afecta a muchos más.
- Automotriz
- Manufactura
- Finanzas
- Agricultura
- Energía
- Salud
- Farmacéutico
- Medios de comunicación
- Telecomunicaciones
- Logística
- Centros de distribución minorista
- Sector público y social
- Viajes y hostelería
Adjunto un vídeo como ejemplo de la utilización del Machine Learning para ayudar al entendimiento de este concepto tan abstracto.
http://mim.promexico.gob.mx/work/models/mim/Resource/152/1/images/machine-learning.pdf
https://elpais.com/elpais/2015/03/26/buenavida/1427382655_646798.html
https://blog.adext.com/es/machine-learning-guia-completa
https://relopezbriega.github.io/blog/2015/10/10/machine-learning-con-python/
Un resumen bastante claro y ameno que ayuda a comprender qué es el machine learning, que beneficios aporta en el entorno empresarial, los diferentes tipos de Machine Learning existentes y algunas de sus aplicaciones. En resumen, un post interesante y que ayuda a entender los conceptos.
ResponderEliminar