Es interesante como la inteligencia artificial a ido avanzando a tal punto que se creo ML para el funcionamiento de las maquinarias (robot) la cual mediante conjuntos de algoritmos matemáticos va almacenando datos y resolviendo problemas o situaciones, de manera independiente y entre más información posea mayor serán los resultados de esta inteligencia artificial.
Gracias a esta tecnología podemos tener mejores resultados , a nivel profesional y en el ámbito médico.
Machine Learning busca eficientizar el funcionamiento de los robots de manera que estos puedan evolucionar de manera autónoma con tan solo la información que pueda obtener en el entorno en el que vaya a desarrollar su función o solamente con la información de partida que se haya programado inicialmente. En otro enfoque Machine Learning se dirige a reducir la mano de obra humana y costos en muchas empresas automatizando los procesos que regularmente se los hace un ser humano.
El fin de ML es ofertar capacidad para que el dispositivo adquiera conocimientos y pueda desarrollar y generar el conocimiento suficiente para poder partir de una base de información que le permita deducir las informaciones sacando conclusiones o haciendo estadísticas de similitud si no coincide x información.
El fin de ML es ofertar capacidad para que el dispositivo adquiera conocimientos y pueda desarrollar y generar el conocimiento suficiente para poder partir de una base de información que le permita deducir las informaciones sacando conclusiones o haciendo estadísticas de similitud si no coincide x información.
Es increíble como Marchine Learning ya no necesita de ningún tipo de reglas y, sino que el robort puede establecer sus propias reglas y aprender por sí mismo, y tiene la capacidad de imitar el celebro humano. Gracias a la ML hemos tenido un avance muy importante al mundo tecnológico, la ML se aplica en una gran variedad a las acciones cotidianas del ser humano.
Hoy en día Marchine Learning es tan importante ya no depende de unas reglas y un programador, sino que la computadora puede establecer sus propias reglas y aprender por sí misma. También es una la más sencilla de entender y es la que está mas alcance de todo.
Es bueno ver todos los avances tecnológicos que se han logrado en las ultimas décadas. En especial con la inteligencia artificial creando (Robots, asistente Virtual)… ayudando a la humanidad, con el cual cada día se optimiza más el trabajo de muchos. ML es un gran avance la cual utilizamos mucho y gracias a esta tecnología a ayudado hasta a los doctores haciendo más fácil diagnosticar una enfermedad. Se a tratado de llevar hasta al alcance de simular el cerebro humano, para hacer que con solo darle los datos de entrada este pueda generar una solución de algo que la cual antes no se le había enseñado.
Pienso que Este es el futuro de la tecnología con el cual se lograrán muchas cosas buena para la humanidad.
Es algo increíble mirar como un robot puede hacer casi todo lo que hace un ser humano es mundo está muy avanzado.. los robot ayudan mucho al ser humano porque pueden hacer las tareas que uno tiene que hacer así uno gana tiempo para hacer otra cosa....
Increíble es ver la tecnología que va tomando un vuelo elevado cada día más hacía la evolución contínua, la inteligencia artificial es un mundo abierto a todas posibles ideas.
Excelente documento profesor.
Excelente, estimado colega Fernando! Adelante!
El Machine Learning es una disciplina del campo de la Inteligencia Artificial que, a través de algoritmos, dota a los ordenadores de la capacidad de identificar patrones en datos masivos y elaborar predicciones (análisis predictivo). Este aprendizaje permite a los computadores realizar tareas específicas de forma autónoma, es decir, sin necesidad de ser programados.
El término se utilizó por primera vez en 1959. Sin embargo, ha ganado relevancia en los últimos años debido al aumento de la capacidad de computación y al boom de los datos. Las técnicas de aprendizaje automático son, de hecho, una parte fundamental del Big Data.
DISTINTOS ALGORITMOS DE 'MACHINE LEARNING' Los algoritmos de Machine Learning se dividen en tres categorías, siendo las dos primeras las más comunes:
Aprendizaje supervisado: estos algoritmos cuentan con un aprendizaje previo basado en un sistema de etiquetas asociadas a unos datos que les permiten tomar decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta un e-mail como spam o no dependiendo de los patrones que ha aprendido del histórico de correos (remitente, relación texto/imágenes, palabras clave en el asunto, etc.).
Aprendizaje no supervisado: estos algoritmos no cuentan con un conocimiento previo. Se enfrentan al caos de datos con el objetivo de encontrar patrones que permitan organizarlos de alguna manera. Por ejemplo, en el campo del marketing se utilizan para extraer patrones de datos masivos provenientes de las redes sociales y crear campañas de publicidad altamente segmentadas.
Aprendizaje por refuerzo: su objetivo es que un algoritmo aprenda a partir de la propia experiencia. Esto es, que sea capaz de tomar la mejor decisión ante diferentes situaciones de acuerdo a un proceso de prueba y error en el que se recompensan las decisiones correctas. En la actualidad se está utilizando para posibilitar el reconocimiento facial, hacer diagnósticos médicos o clasificar secuencias de ADN.