¿Que es Machine Learning?
Es una disciplina
científica más concretamente del ámbito de la inteligencia artificial que crea
sistemas que aprenden automáticamente. En este contexto en el
que nos referimos a una máquina, aprender
significa identificar patrones complejos en millones de datos. La máquina en cuestión es un algoritmo que revisa los datos y es
capaz de predecir comportamientos futuros. Además estos sistemas automáticamente se mejoran
de forma autónoma con el tiempo, sin necesidad de intervención humana.
¿Cuáles son los usos más
frecuentes del Machine Learning?
- Detectar fraude en transacciones
- Predecir de fallos en equipos tecnológicos.rever qué empleados serán más rentables el año que viene (el sector de los Recursos Humanos está apostando seriamente por el Machine Learning).
- Seleccionar clientes potenciales basándose en comportamientos en las redes sociales, interacciones en la web
- Predecir el tráfico urbano.
- Saber cuál es el mejor momento para publicar tuits, actualizaciones de Facebook o enviar las newsletter.
- Hacer pre diagnósticos médicos basados en síntomas del paciente.
- Cambiar el comportamiento de una app móvil para adaptarse a las costumbres y necesidades de cada usuario.
- Detectar intrusiones en una red de comunicaciones de datos.
- Decidir cuál es la mejor hora para llamar a un cliente.
¿ Y el Deep Learning
que es?
El Deep
Learning o aprendizaje en profundidad, es una técnica mejorada donde los
sistemas alcanzan niveles de aprendizaje en un grado aún más detallado. Es el
siguiente paso del aprendizaje automático ya que éste no es
supervisado. Estos avances están acercándose
cada vez más a la perspectiva del sistema nervioso humano, llegando casi a
hablar de “neuronas artificiales”. El modelo Deep Learning trata de imitarlo
mediante un proceso cognitivo artificial.
Este
sistema está diseñado con capas o unidades neuronales que son algoritmos
que tratan de imitar el funcionamiento del cerebro humano. Cada capa ofrece unos resultados en forma de
ponderación. Esta es modificada y combina el resultado con otra, y así
sucesivamente con el resto de capas hasta reducir al máximo posible el margen
de error, aumentando así las conclusiones.
No hay comentarios:
Publicar un comentario
Nota: solo los miembros de este blog pueden publicar comentarios.