Machine Learning

Machine Learning

1. ¿Que es el Machine Learning?

   • Es un tipo de inteligencia artificial que realiza tareas de análisis de datos, sin instrucciones explícitas, ya que esta procesa una increíble cantidad de datos históricos, con el objetivo de identificar patrones y predecir relaciones entre datos, todo esto con algoritmos, dejando que la máquina "aprenda" con los datos ya dados.
     • ¿Para qué es utilizado el Machine Learning?
       • Se puede utilizar de muchas maneras, las más comunes son:
         • Preprocesamiento de datos: Se utiliza para procesar datos sin "limpiar" para entrenar el modelo e identifiqué datos faltantes, normalizar datos a una escala común o más normalizada, esto aumentando la calidad del modelo, debido a que en este proceso analiza y se nutre de esos datos brindados. Como en casos de servicios financieros, el proceso de datos se utiliza para medir riesgos de inversiones, proyecciones a futuro de mercados y demás funciones, siendo este uno de los ámbitos que más se puede ver este uso.
           • Entrenamiento de modelo: En este caso se utiliza para entrenar el algoritmo del Machine Learning, para identificar la correlación matemática entre entrada y salida, esto para tener más datos de entrenamiento, ajustando esos datos, identificando patrones y relaciones dentro de esos mismos datos, por último aprendiendo de esos mismos datos ya procesados por el mismo modelo de Machine Learning.
             • Optimización: Se utiliza para mejorar y refinar el modelo, mejorar en última estancia su rendimiento, hasta incluso optimizando el proceso de sus mismos datos de entrenamiento, siendo está uno de los principales usos de este modelo, ya que por su naturaleza es muy eficiente en este campo.
               • ¿Cómo nació este modelo?
                 • Realmente su nacimiento como tal viene de hace muchos años, en lo que podemos considerar lo de aprender de patrones y de datos, con el algoritmo "Nearest Neighbor" en el 1967, el mismo considerado el primer reconocimiento de patrones en computadoras, pero esto sería ir a la esencia de lo que el Machine Learning, si nos remontamos más al presente, aún un poco bastante atrás, en 1981 se crea el concepto de "Explanation Based Learning", donde una computadora analiza datos y creaba reglas generales, descartando los datos menos importantes, similar al proceso de datos del machine learning. En los 90s se da el uso enfocado en el análisis de grandes cantidades de datos, enfocado en él análisis de datos científicos. Por último se da uno de los grandes avances con Google, con su gran red neuronal para identificar patrones en imágenes, videos y texto, siendo este uno de los avances de Machine Learning más importantes de la actualidad.

Imágenes y archivos del mapa