¿Qué es el machine learning?
Coches que se conducen solos, asistentes que traducen instantáneamente de un idioma a otro, sugerencias de compra personalizadas además de complejas tareas que antes eran imposibles de realizar, son hoy posibles gracias al 'Machine Learning', una rama de la ciencia computacional que permite a los ordenadores aprender por sí mismos y realizar tareas de forma autónoma sin necesidad de ser programados.

En su libro Sobre la inteligencia, publicado en 2004, Jeff Hawkins definía la inteligencia como la capacidad de predecir el futuro, por ejemplo, el peso de un vaso que vamos a levantar o la reacción de los demás a nuestros actos, en base a los patrones almacenados en la memoria (el marco memoria-predicción). Ese mismo principio está detrás del Machine Learning (ML), también conocido como aprendizaje automático.

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 para hacer predicciones. 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.

 

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.

Para ilustrar de una manera más concreta el tema de machine learning asi como sus divisiones y aplicaciones en la industria y en los negocios, te invito a ver el siguiente video cortesía del canal de youtube #MachineLearningenEspañol y de la mano de Lidgi Gonzalez.

© 2019 EnlineaSaltillo.com

Todos los derechos reservados.