introducción a machine learning
Post on 13-Jul-2015
200 Views
Preview:
TRANSCRIPT
Machine Learning
Ing. José Luis Chiquete Valdivieso
Noviembre 2014
Desde siempre el ser humano ha tenido la necesidad de poder adelantarse a los acontecimientos.
La capacidad de poder analizar la información actual para poder inferir lo que ocurrirá en el futuro se volvió un "arte" empírica.
Predecir sin un método racional, sistemático y reproducible se vuelve "ocultismo".
La necesidad de predecir
En un principio se pensó que el universo se basaba en reglas determinísticas.
Era razonable pensar que conociendo el estado inicial de un objeto y controlando las variables de éste era posible predecir su estado en el futuro.
"Dios no juega a los dados"- Albert Einstein.
Pero el Universo se vuelve muy complejo rápidamente.
La complejidad en el universo
"La estadística es la ciencia de aprender por medio de los datos y de medir, controlar y comunicar la incertidumbre; y por tanto provee la guía esencial para controlar el
curso del avance social y científico".
-American Statistical Society
La ciencia estadística
Es el estudio de algoritmos computacionales que mejoran automáticamente mediante la
experiencia.
-Tom Mitchel
¿Qué es "Machine Learning"?
El filtro de spam.Los buscadores web.Las sugerencias de compra.Los navegadores GPS.Las sugerencias de amigos en redes sociales.
Algunos ejemplos de Machine Learning
El filtro de spam.Los buscadores web.Las sugerencias de compra.Los navegadores GPS.Las sugerencias de amigos en redes sociales.
La predicción del clima.
Algunos ejemplos de Machine Learning
Un modelo (algoritmo).Información inicial (data).Sistema de retroalimentación (data).Tiempo.
Elementos esenciales
Árboles de decisiones.Regresiones.Teorema de Bayes.Redes neuronales.Procesos estocásticos.Máquinas de vectores de soporte.Series de tiempo.
Algunos recursos
No hay modelos absolutos.La complejidad nos supera.El criterio humano es vital.Siempre hay lugar para la mejora.
Retos y riesgos
El lenguaje RIPythonJulia
¿Dónde empezar?
top related