5823704
Beschreibung
Mindmap von Lizzy Yoshida, aktualisiert more than 1 year ago
|
Erstellt von Lizzy Yoshida
vor etwa 8 Jahre
|
|
Aprendizaje
Automático (Machine
Learning)
- Concepto general
- Es una disciplina científica
que trata de que los
sistemas aprendan
automáticamente.
- Se divide en:
- Aprendizaje Supervisado
- Objetivo: Hacer predicciones a futuro
basadas en comportamientos o
características que se han visto en los
datos ya almacenados (el histórico de
datos).
- Objetivo: Hacer predicciones a futuro
basadas en comportamientos o
características que se han visto en los
datos ya almacenados (el histórico de
datos).
- Aprendizaje No Supervisado
- Objetivo: Usar datos históricos que no
están etiquetados. El fin es explorarlos
para encontrar alguna estructura o
forma de organizarlos.
- Objetivo: Usar datos históricos que no
están etiquetados. El fin es explorarlos
para encontrar alguna estructura o
forma de organizarlos.
- Aprendizaje Supervisado
- Usos de la tecnología
- Sistemas de recomendaciones (Amazon, eBay,
LinkedIn, Twitter), detección de fraude,
reconocimiento de voz, algoritmos para la
predicción de enfermedades, delitos, averías en
máquinas o tendencias de consumo.
- Sistemas de recomendaciones (Amazon, eBay,
LinkedIn, Twitter), detección de fraude,
reconocimiento de voz, algoritmos para la
predicción de enfermedades, delitos, averías en
máquinas o tendencias de consumo.
- Se divide en:
- Es una disciplina científica
que trata de que los
sistemas aprendan
automáticamente.
- ¿Cómo surge?
- Hechos históricos sobresalientes
- En los 90's
- El trabajo en turnos de aprendizaje automático a
partir de un enfoque basada en el conocimiento de
un enfoque impulsado por los datos. Los científicos
comienzan la creación de programas de
computadoras para analizar grandes cantidades de
datos y sacar conclusiones - o "aprender" - a partir
de los resultados.
- El trabajo en turnos de aprendizaje automático a
partir de un enfoque basada en el conocimiento de
un enfoque impulsado por los datos. Los científicos
comienzan la creación de programas de
computadoras para analizar grandes cantidades de
datos y sacar conclusiones - o "aprender" - a partir
de los resultados.
- 1997
- Deep Blue de IBM gana al
campeón del mundo en el
ajedrez.
- Deep Blue de IBM gana al
campeón del mundo en el
ajedrez.
- 2006
- Geoffrey Hinton acuña el término "aprendizaje
profundo" para explicar los nuevos algoritmos
que permiten a los ordenadores "ver" y
distinguir objetos y texto en imágenes y vídeos.
- Geoffrey Hinton acuña el término "aprendizaje
profundo" para explicar los nuevos algoritmos
que permiten a los ordenadores "ver" y
distinguir objetos y texto en imágenes y vídeos.
- 2011
- Google Brain se desarrolla, y su red neuronal
profundo puede aprender a descubrir y
clasificar objetos mucho la forma en que lo
hace un gato.
- Google Brain se desarrolla, y su red neuronal
profundo puede aprender a descubrir y
clasificar objetos mucho la forma en que lo
hace un gato.
- 2014
- Facebook desarrolla Deepface, un algoritmo de
software que es capaz de reconocer o verificar los
individuos en las fotos para el mismo nivel que
los seres humanos pueden.
- Facebook desarrolla Deepface, un algoritmo de
software que es capaz de reconocer o verificar los
individuos en las fotos para el mismo nivel que
los seres humanos pueden.
- 2015
- Amazon lanza su propia
plataforma de aprendizaje
automático.
- Microsoft crea la periferia Machine
Learning Kit de herramientas, lo que
permite la distribución eficiente de los
problemas de aprendizaje automático a
través de múltiples ordenadores.
- Amazon lanza su propia
plataforma de aprendizaje
automático.
- 2016
- El algoritmo de IA "AlphaGo" desarrollado por
Google DeepMind logró ganar a profesionales
cinco juegos de cada cinco en un concurso de
juegos de mesa chino llamado "Go".
- El algoritmo de IA "AlphaGo" desarrollado por
Google DeepMind logró ganar a profesionales
cinco juegos de cada cinco en un concurso de
juegos de mesa chino llamado "Go".
- En los 90's
- Hechos históricos sobresalientes
- ¿Cómo nace su importancia?
- Para la mayoría de las organizaciones, la
carrera ha comenzado para extraer
información valiosa de volúmenes y
variedades de datos en aumento.
- Resultados Obtenidos
- Con los datos indicados, las
tecnologías correctas y la analítica
indicada es posible producir de forma
rápida y automática modelos que
puedan analizar datos más grandes y
complejos.
- Predicciones de alto valor que
pueden orientar mejores decisiones y
acciones en tiempo real.
- Con los datos indicados, las
tecnologías correctas y la analítica
indicada es posible producir de forma
rápida y automática modelos que
puedan analizar datos más grandes y
complejos.
- Resultados Obtenidos
- Para la mayoría de las organizaciones, la
carrera ha comenzado para extraer
información valiosa de volúmenes y
variedades de datos en aumento.
- Paradigmas importantes en su historia
- 1. Técnicas de modelado neuronal y de decisión
- 2. Aprendizaje orientado a conceptos simbólicos
- 3. Sistemas de aprendizaje de conocimiento con exploración de varias tareas de aprendizaje
- 1. Técnicas de modelado neuronal y de decisión
Medienanhänge
Möchten Sie kostenlos Ihre eigenen Mindmaps mit GoConqr erstellen? Mehr erfahren.