El aprendizaje automático (ML) es un tipo de inteligencia artificial (IA) que permite que las aplicaciones de software predigan resultados con mayor precisión sin estar programadas explícitamente para hacerlo. Los algoritmos de aprendizaje automático utilizan datos históricos como entradas para predecir nuevos valores de salida.
aprendizaje automático: Como funciona
Estrechamente relacionado con el reconocimiento de patrones y la teoría del aprendizaje computacional, el aprendizaje automático (ML) estudia el estudio y la construcción de algoritmos que pueden aprender y hacer predicciones sobre un conjunto de datos mediante la construcción inductiva de un modelo basado en patrones (wikipedia.org).
Funciona de tres formas básicas: primero, utiliza una combinación de datos y algoritmos para predecir patrones y clasificar conjuntos de datos, destaca errores que ayudan a evaluar la precisión del proceso y, por último, tiene una función de optimización para optimizar los puntos de datos de manera óptima. adaptar el modelo.
ArturoSamuel acuñó el término «aprendizaje automático» a principios de la década de 1960 basándose en su investigación. Eso es lo que salió de esta investigación. Roberto Nealy Cuando jugó damas contra una computadora IBM 7094, perdió el juego. Si bien este hecho sería casi evidente hoy, fue un hito revolucionario en ese momento y testificó que la computadora podía «aprender» de nosotros.
¿Cuál es la diferencia entre inteligencia artificial y aprendizaje automático?
incluso si elinteligencia artificial (PARA EL) y elaprendizaje automático (ML) están estrechamente relacionados, no son lo mismo. aprendizaje automático se considera un subconjunto de la inteligencia artificial.
Una computadora «inteligente» utiliza inteligencia artificial para realizar tareas de forma autónoma y pensar como un humano. Ese aprendizaje automático estudiar el enfoque a utilizar para desarrollar esa inteligencia.
Aplicaciones de aprendizaje automático
aprendizaje automático Se utiliza en varios campos, desde la videovigilancia hasta el reconocimiento facial en su teléfono inteligente. Las empresas de marketing también lo utilizan para comprender los patrones y preferencias de los consumidores y diseñar campañas publicitarias ad hoc.
las plataformas sociales cómo Facebook ellos usan esos aprendizaje automático para orientar los anuncios en función de las preferencias del usuario resaltadas con «me gusta». Del mismo modo, sitios de compras como Amazonas Use algoritmos para sugerir artículos para la compra en función de sus preferencias y el historial de visualización de un producto en particular.
aplicaciones de aprendizaje automático: Asistentes virtuales
Siri de Apple, Alexa de Amazon y Google Now Todas son opciones populares de dispositivos activados por voz que pueden hacer de todo, desde encontrar vuelos hasta verificar horarios de vuelos, configurar alarmas y más. Aprendizaje automático, para que aprendizaje automático, es un componente clave de estos dispositivos inteligentes. Recopila información y la refina cada vez que interactúas con ella. La máquina puede usar estos datos para brindarle resultados que se adapten mejor a sus preferencias.
aplicaciones de aprendizaje automático: reconocimiento de imagen
Ese reconocimiento de imagen Es una tecnología compleja, pero que se puede aplicar en diferentes áreas. En la vida cotidiana, probablemente te hayas encontrado con esta función al subir una foto. plataforma social. Cuando etiquetas a alguien en una imagen, la plataforma lo reconoce. También podría ser revolucionario para identificar posibles amenazas o delincuentes, desbloquear teléfonos y dispositivos móviles y encontrar personas desaparecidas.
3 tipos de aprendizaje automático
Hay tres tipos de aprendizaje automático: aprendizaje supervisado, no supervisado y reforzado.
Aprendizaje supervisado
Este tipo de aprendizaje automático Alimenta los algoritmos de aprendizaje con datos históricos para crear resultados que estén lo más cerca posible del resultado deseado. Los algoritmos comunes utilizados durante el aprendizaje supervisado incluyen redes neuronales, árboles de decisión, regresión lineal y máquinas de vectores de soporte.
El aprendizaje supervisado es efectivo para una variedad de propósitos comerciales, incluida la previsión de ventas, la optimización del inventario y la detección de fraudes. Por ejemplo se utiliza para:
- Predecir precios inmobiliarios
- Clasificar si las transacciones bancarias son fraudulentas o no
- Encuentra los factores de riesgo de una enfermedad específica
- Determinar si los solicitantes de préstamos son de bajo o alto riesgo
- Predecir fallas de partes mecánicas de equipos industriales
Aprendizaje sin supervisión
Este tipo de aprendizaje automático es muy útil cuando necesita reconocer patrones y tomar decisiones basadas en los datos. Los algoritmos comunes utilizados en el aprendizaje no supervisado incluyen modelos de Markov, k-significay modelos gaussiano.
Este tipo de aprendizaje automático se usa a menudo para construir modelos predictivos. Entre las diferentes áreas también se utiliza para:
- Crear grupos de clientes basados en el comportamiento de compra
- Inventario de grupo basado en métricas de ventas y/o producción
- Encuentre asociaciones en los datos de los clientes (por ejemplo, los clientes que compran un determinado estilo de bolso pueden estar interesados en un determinado estilo de calzado).
Aprendizaje Reforzado
L’aprendizaje mejorado Es el tipo de aprendizaje automático que más se acerca al aprendizaje humano. El algoritmo o agente utilizado aprende interactuando con su entorno y recibiendo una respuesta positiva o negativa. Los algoritmos comunes incluyen diferencias de tiempo, redes antagónicas profundas y la q aprendizaje.
Las aplicaciones prácticas para este tipo de aprendizaje automático aún son experimentales. Algunos ejemplos de aplicación son:
- Enseñar a los coches a aparcar y a conducir solos
- Control dinámico de semáforos para reducir los atascos
- entrenar robots
en… obras aprendizaje automático
El Foro Económico Mundial predice que el aprendizaje automático (aprendizaje automático) y toda la inteligencia artificial creará 97 millones de nuevos puestos de trabajo en todo el mundo para 2030. 2020, Como una cuestión de hecho clasifica elIngeniero de aprendizaje automático ocupa el primer lugar en la lista de los mejores trabajos en los Estados Unidos, con una tasa de crecimiento del 344%. Ese aprendizaje automático Es un campo codiciado y en expansión que se presta a varias trayectorias profesionales posibles, que incluyen:
- ingeniero uno aprendizaje automático. En este rol, puede trabajar en proyectos de aprendizaje automático y crear y administrar plataformas. Salario promedio anual (US): $99,857 (Fuente: Glassdor.com)
- científico de datos Aquí puede utilizar una combinación de aprendizaje automático y análisis predictivo para recopilar, analizar e interpretar datos. Salario promedio anual (EE. UU.): $ 99,049 (Fuente: Glassdor.com)
- procesador de voz. En este rol, podrá trabajar con el lenguaje informático para establecer conexiones entre la comunicación humana y la comprensión e interpretación del lenguaje humano por parte de las computadoras. Salario promedio anual (EE. UU.): $ 94,101 (Fuente: Glassdor.com)
- Desarrollador de Inteligencia de Negocios. En este puesto, se centrará en el análisis de datos para obtener información sobre las tendencias comerciales y del mercado. Salario promedio anual (US): $89,257 (Fuente: Glassdor.com)
- Diseñador de aprendizaje automático centrado en el ser humano. En este rol, puede diseñar, desarrollar e implementar sistemas que aprenden de los humanos. Salario promedio anual (US): $94,468 (Fuente: Glassdor.com)
Cómo empezar en el mundo de aprendizaje automático
Aquí hay tres formas comunes de ponerlo en el camino correcto para comenzar en el mundo de aprendizaje automático :
- Comienza tu carrera con un título Estudios en informática, programación, científico de datos o un tema relacionado.
- Adquirir experiencia profesional en tareas como Desarrollo de software, programación de software, informática técnica o ciencia de datos.
- Considere seguir un maestría. La mayoría de las empresas en este campo prefieren profesionales de aprendizaje automático con un título avanzado o una maestría en ingeniería de software, informática, aprendizaje automático o inteligencia artificial.