Estudia como dotar a las maquinas de capacidad
de aprendizaje
Annotations:
La generalización del conocimiento a partir de un conjunto de experiencias
Técnicas
Annotations:
Proceso de análisis del Big Data
Redes Neuronales
Grupos de capas que aprenden de forma
jerarquizada
Annotations:
En las primeras capas se aprenden conceptos muy concretos y en las capas posteriores se utiliza esta información para conceptos más abstractos. A más capas la información que se aprende es cada vez más abstracta e interesante.
No hay limite de capas.
Deep Learning
Annotations:
Acción.
Redes neuronales vitaminadas
Tendencia de que los algoritmos
añadan más y más capas
Árboles de decisión
Dado un conjunto de datos se fabrican
diagramas de construcciones lógicas
Modelos de regresión
Modelo matemático que busca la relación entre una variable Dependiente con
respecto a otras variables independientes
Clasificación
el resultado es una clase
Con clases nos referimos a categorías
arbitrarias según el tipo de problema.
Clusterización
División de base de datos en grupos
diferentes
Big Data
Annotations:
Acumulación masiva de datos
IA Débil
Annotations:
Inteligencia Artificial que puede realizar un conjunto muy limitado de tareas/acciones
Paradigma de aprendizaje
Supervisado
Descubrir relaciones entre una variable de entrada y
de salida
Surge de enseñarle a algoritmos el resultado para un
determinado valor
Annotations:
Tras mostrarle muchos ejemplos si se dan las condiciones el algoritmo será capaz de dar un resultado correcto incluso cuando le muestres valores que no haya visto antes
No Supervizado
Descubrir relaciones entre variables sin necesidad de utilizar variables de
salida
Busca similitudes en los datos de entrada
Explicación: ¿Qué es el Aprendizaje Supervisado y No Supervisado? | DotCSV
Annotations:
https://youtu.be/oT3arRRB2Cw
Reforzado
IA Fuerte
Annotations:
Inteligencia Artificial capaz de realizar diversas acciones