Machine learning

¿Qué es machine learning?

Machine learning es una disciplina de la inteligencia artificial que nace desde los años 60 y debido a las nuevas tecnologías computacionales, su avance se ha acelerado. Consiste en enseñarle a una computadora a detectar patrones y hacer conexiones mostrándole un set de datos y aplicándole algoritmos para que la máquina parametrice cómo realizar una tarea por sí misma; aprenda, y se vuelva más inteligente para resolver problemas. Va más allá de lo que pueden hacer las analíticas de Big Data, y en general más allá de lo que pueden hacer los humanos.

En la actualidad, la potencia de procesamiento es cada vez mayor, el costo de almacenamiento se ha hecho más accesible y los algoritmos son más sofisticados, los dos métodos más utilizados son los “supervisados” que requieren la intervención humana y tiene como tarea principal hacer predicciones, y los “no supervisados” que se ocupan para identificar relaciones entre datos

Con Machine Learning es posible optimizar la operación en tiempo real, contar con predicciones, personalizar los productos y servicios, estimar la demanda futura, conocer las tendencias, detectar anomalías, realizar mantenimientos preventivos, procesar datos no estructurados, hacer predicciones de diferentes tipos, prevenir fraudes y en general, hacer más eficiente la operación de una empresa.

No obstante, aún los mejores modelos de Machine Learning tienen riesgos, los más comunes son dar falsos positivos por malos algoritmos, y otro son las intervenciones de los hackers. Para minimizar estos riesgos, se deben implementar políticas de seguridad adecuadas. 

De acuerdo al estudio elaborado por McKinsey, Machine Learning tiene un gran potencial para resolver diferentes tipos de problemas de los sectores industriales más importantes, provocando un real impacto en su operación y en la forma de hacer negocios; en este sentido propone algunas oportunidades por sector, de las cuales se muestra a continuación un ejemplo para cada caso:

-  Automotriz: Identificar carreteras y obstrucciones en tiempo real para autos autónomos

-  Manufactura: Predecir fallas y recomendar mantenimiento preventivo en líneas de producción
-  Finanzas: Prevenir fraudes, lavado de dinero y personalizar la oferta de productos con base en datos multimodales
-  Agricultura: Personalizar técnicas de mejoramiento a parcelas específicas
-  Energía: Predecir fallas y recomendar mantenimiento preventivo para explotación y perforación
-  Salud: Diagnosticar enfermedades con escaneos, biopsias, audio y otro tipo de datos
-  Farmacéutico: Optimizar los estudios clínicos incluyendo la selección de pacientes
-  Medios de comunicación: Personalizar publicidad y recomendaciones con base en datos            multimodales
-  Telecomunicaciones: Predecir el tiempo de vida y el riesgo de cancelación de los clientes
-  Logística: Optimizar precios y horarios con base en la demanda en tiempo real
-  Centros de distribución minorista: Optimizar el surtido de productos para maximizar ventas
-  Sector público y social: Optimizar la asignación de recursos para el desarrollo urbano que mejora la calidad de vida como es reducir el tráfico y bajar la contaminación.
-  Viajes y hotelería:  Identificar rutas más eficientes y optimizar itinerario de vuelos.

En la actualidad, todas las grandes empresas están invirtiendo en aprendizaje automático e inteligencia artificial, así como contratando personal especializado en estas áreas. Es decir, la utilizan para optimizar actividades entre máquina-máquina antes de utilizarla para eliminar empleos

https://www.easel.ly/infographic/sm0a57

http://www.miprofit.com/impacto-del-machine-learning-los-negocios/

http://mim.promexico.gob.mx/work/models/mim/Resource/152/1/images/machine-learning.pdf