Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
866437 MONZON FERNANDEZ ESTEBAN ALEJANDRO
877878 RAIZ STEPHANIE
886404 NEUMAN ZALMAN EMILIO
Veamos, cómo la definen varios expertos y empresas reconocidas en esta área:
Las 4 definiciones tienen sus similitudes y que en cierta forma se complementan unas con otras.
Si buscamos una sola definición podemos decir:
El Aprendizaje Automático o Machine Learning, es utilizar algoritmos para que puedan decir algo interesante en base a un conjunto de datos sin tener que escribir ningún código específico para el problema.
Machine Learning se encarga de desarrollar técnicas para que los algoritmos que se hayan desarrollado aprendan y mejoren con el tiempo. Implica una gran cantidad de código y fórmulas matemáticas complejas para permitir que las máquinas encuentren la solución a un problema dado.
Esta vertiente de la IA es una de las más desarrolladas con fines comerciales o empresariales en la actualidad, ya que se utiliza para procesar grandes cantidades de datos rápidamente y depositarlos de manera comprensible para los humanos.
En 1950 Alan Turing publica un artículo en donde plantea lo que ahora conocemos como la Prueba de Turing. Esta es una prueba de habilidad de una máquina de mostrar un comportamiento inteligente similar al de un humano. La misma no evalúa el conocimiento de la máquina en cuanto a su capacidad de responder preguntas correctamente, solo se toma en cuenta la capacidad de ésta de generar respuestas similares a las que daría un humano.En 1952 Arthur Samuel escribe el primer programa de ordenador capaz de aprender. El software era simplemente un programa que jugaba a las damas y que podía aprender de sus errores partida tras partida.
Algunos referentes creen que ML tiene riesgos. Sobre todo si se explora el potencial de la IA y no se la limita solamente a reproducir tareas humanas.
Con lo que respecta a las barreras de acceso, estas serían algunas de las más habituales que pueden ocurrir en el entorno empresarial:
A menudo, los datos se presentan de manera aislada en las empresas o son inconsistentes y de baja calidad, con lo que presenta un desafío importante para las empresas que buscan crear valor a partir de ML.
Otro obstáculo que se suele dar a nivel empresarial para la adopción de ML es la escasez de perfiles con habilidades y experiencia en este tipo de implementaciones.
El coste de implementación, tanto a nivel de plazos como económicos, es un factor muy importante a la hora de decidir por ejecutar este tipo de proyectos.
En 2015 es el año donde se puede observar los más grandes avances en Machine Learning. Facebook desarrolla DeepFace, un algoritmo de software que puede reconocer individuos en fotos al mismo nivel que los humanos. Amazon lanza su propia plataforma de aprendizaje automático o Machine Learning. Microsoft crea el kit de herramientas para el aprendizaje de máquinas distribuidas, que permite la distribución eficiente de problemas de aprendizaje automático en múltiples computadoras. Google entrena un agente conversacional de inteligencia artificial, que no solo puede interactuar convincentemente con humanos como un servicio de soporte técnico, sino también discutir la moralidad, expresar opiniones y responder preguntas generales basadas en hechos. OpenAI es creada, compañía de investigación de inteligencia artificial sin fines de lucro que tiene como objetivo promover y desarrollar inteligencia artificial amigable de tal manera que beneficie a la humanidad en su conjunto.
Actualmente ML está impulsando las nuevas tecnologías, desde el sector de viajes hasta el de atención médica. Nosotros apenas mencionaremos 4 ejemplos en el que el ML se usa hoy en día:
• Diagnósticos médicos: Los sistemas de ML se utilizan para revisar imágenes médicas y desarrollar diagnósticos a partir de los informes de patología.
• Procesamiento del lenguaje natural (PLN): Los sistemas de ML son capaces de entender el lenguaje humano y responder en el mismo idioma. Algunas aplicaciones tienen traducción automática, reconocimiento de voz y análisis de sentimiento.
• Búsqueda online: Los buscadores online utilizan el ML para mejorar sus resultados, por ejemplo, si escribes “gato” en Google, después de unos minutos analizando la forma en que estás navegando, comprenderá que estás buscando una herramienta para el auto y no el animal.
• Marketing personalizado: El ML ayuda a los retailers a analizar enormes grupos de datos sobre sus compradores y presentar ofertas personalizadas para cada individuo en función de sus comportamientos, compras y preferencias.
Machine Learning usando Python
Árboles de Decisión Regresión con Scikit Learn: https://drive.google.com/open?id=1HqfEqvcC98l-EY6bvalhM1JwaBKTM92a
Árboles de Decisión Regresión – Ejemplo con Python https://drive.google.com/open?id=1UXwD5OyCSTvKmmUTAaakeqvjmLlI7zgL