Machine Learning
Autor:
Jennifer Canales Fuentes Alexsi Andres Souza
Definición de Machine Learning. Es el campo de estudio que da a los computadores la habilidad para aprender sin haber sido explícitamente programada.
Diseñar una matriz comparativa en donde compare a los Sistemas Expertos vs Machine Learning.
Aprendizaje
Posee el conocimiento del experto humano formalizado y estructurado formado por la descripción de los objetos y sus relaciones, casos particulares.
Se adquiere de lo que nos rodea, el cual guarda la información en la memoria como si dejara huellas.
Funcionamiento
Funcionan con datos que contienen errores, contemplan múltiples hipótesis en competición simultáneamente, y pueden justificar sus conclusiones.
Utiliza la experiencia adquirida en un conjunto de información de ejemplo, y propagarla hacia nuevos casos y nuevas experiencias.
Interfaz de Usuario
Gobierna el dialogo entre el sistema y el usuario.
El aprendizaje automático de las estrategias de diálogo se basa en la interacción de un agente virtual inteligente con un entorno simulado (libre de modelo) en un número de sesiones determinado.
Mecanismo
Se caracteriza por contar con información que especifica qué conjuntos de datos son satisfactorios para el objetivo del aprendizaje.
En el aprendizaje no supervisado, en cambio, el programa no cuenta con datos que definan que información es satisfactoria o no.
Eficacia
Los datos que se utilizan normalmente son soluciones a problemas que se han resuelto previamente. A partir de estas soluciones se pueden buscar otras soluciones a problemas nuevos.
Un sistema experto es muy eficaz cuando tiene que analizar una gran cantidad de información, interpretándola y proporcionando una recomendación a partir de la misma.
Investigar las diferentes técnicas de aprendizaje que existe. Realice un mapa conceptual con esa información.
Este tipo de aprendizaje puede llegar a ser muy útil en problemas de investigación biológica, biología computacional y bioinf ormática.
Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan sólo por entradas al sistema.
Este tipo de algoritmos combinan los dos algoritmos anteri ores para poder clasificar de manera adecuada
El algoritmo aprende observando el mundo que le rodea. Su información de entrada es el feedback o retroalimen tación que obtiene del mundo exterior como respuesta a sus acciones.
Trata de predecir las categorías de los futuros ejemplos basándose en los ejemplos de entrada, sus respectivas categorías y los e je mp lo s nu ev os al sistema.
Métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara a enfrentarse a problemas parecidos a los ya vistos.
Caso de Estudio. Investigar que Sito Web en internet se encuentre categorizado en el grupo de Machine Learning, explique el por qué.
Es un servicio de nube administrado por completo para construir soluciones de analítica predictiva, ayuda a superar los retos que la mayoría de los negocios tienen al momento de implementar y utilizar aprendizaje de máquina. ¿Cómo? Al entregar un servicio completo de aprendizaje de máquina que cuenta con todos los beneficios de la nube. En algunas horas, con Azure ML, los clientes y socios pueden construir aplicaciones dirigidas por datos para predecir, pronosticar y cambiar resultados futuros – un proceso que con anterioridad tomaba semanas y meses.
Caso de Estudio. Investigar que Sito Web en internet se encuentre categorizado en el grupo de Machine Learning, explique el por qué.
Es un servicio de nube administrado por completo para construir soluciones de analítica predictiva, ayuda a superar los retos que la mayoría de los negocios tienen al momento de implementar y utilizar aprendizaje de máquina. ¿Cómo? Al entregar un servicio completo de aprendizaje de máquina que cuenta con todos los beneficios de la nube. En algunas horas, con Azure ML, los clientes y socios pueden construir aplicaciones dirigidas por datos para predecir, pronosticar y cambiar resultados futuros – un proceso que con anterioridad tomaba semanas y meses.
PredictionIOes un servidor de recomendaciones open-source basado en un machine learning PredictionIO es un software open-source (código fuente en GitHub) con licencia AGPL construido en Scala, ofrece un API REST y SDK en diferentes lenguajes (iOS, Java, PHP, Python, Ruby, Scala…) para que podamos construir nuestro sistema de recomendaciones de forma muy sencilla. Puede usarse tanto en modo servicio (en la nube) como instalándolo On Premise PredictionUIO destaca por su sencillez y por la documentación
Referencias
•
•
Un poco de JAVA 8 agosto 2014 — Luis Miguel Gracia http://unpocodejava.wordpress.com/2014/08/08/predictionio-sistema-derecomendaciones-de-muy-facil-uso/
BERGE, L. Z., COLLINS, M., y DOUGHERTY, K., 2000. “Design Guidelines for WebBased Courses”. En: Beverly Abbey (Ed.) Instructional and Cognitive Impacts of Web-Based Education. Hershey, PA: Idea Group Publishing.
•
BUSH, V., 1945. As We May Think. Atlantic Monthly, 176, 101-108
•
HENAO ÁLVAREZ, O., 1993. “El aula escolar del futuro”. En: Revista Educación y Pedagogía, Vol. 4 (8-9), 87-96.
5