Introducción Machine Learning

¿Que es Machine Learning?

Es una disciplina de que esta basada en Data Analytics Modelling y en I.E. entrenando un algoritmo con datos iniciales y usando un modelo resultante para realizar predicciones o clasificar nuevos datos.

¿Que es Data Analytics?

En realidad les permite a las organizaciones mejorar su desempeño al identificar patrones o construir modelos alrededor de ellos. Los datos utilizados pueden prevenir de múltiples fuentes como un sensor, una base de datos, archivos, historial crediticio, estadísticas, entre otros. 

La cantidad de datos puede ser abrumador, muchas observaciones o muchas variables que pueden dificultar a que alguien encuentre una solución a este problema, es por eso que se utiliza este tipo de análisis que nos ayudan a encontrar y optimizar según nuesto objetivo.

Filosofía de Machine Learning

• Normalmente es importante la demostración de teoremas que nos ayuden a encontrar una solución es importante para Machine Learning.
• Es una estadística computacional aplicada.
• Son modelos de construcción computacionales típicos, que aprenden con el tiempo basado en la experiencia del sistema.
• Pero no es solo la construcción de un modelo, interviene también las matemáticas , la ciencia, la ingeniera, la computación todos estos forman ese modelo especifico. Que por necesidad tienen que aprender a través del tiempo.
• La mejor definición es un análisis de datos y la clasificación de estos utilizando una estructura computacional.

Tipos de Machine Learning

1. Aprendizaje supervisado: Este tipo de aprendizaje es capaz de realizar una aproximación de funciones, ademas es capaz de generalizar y predecir con nuevos datos introducidos en el sistema generando una salida basada en su experiencia o en los datos introducidos.
2. Aprendizaje no supervisado: Este tipo de aprendizaje es capaz de etiquetar descripciones, tomar un conjunto de datos  averiguar como es posible clasificarlos. Entonces seria capaz de clasificar en una imagen pixeles entre un hombre y una mesa, o definir varias etiquetas en un conjunto de datos, que tienen características especificas.
3. Aprendizaje por refuerzo: Este tipo de aprendizaje es un poco mas difícil,  ya que este modelo nadie le dice que hacer o como actuar, tiene que trabajar por su cuenta, es como jugar un juego sin conocer las reglas o por lo menos como se gana o pierde. Normalmente se mide que tan buena fue la salida y se va aprendiendo a través del tiempo teniendo una retroalimentación de datos.