Machine Learning (ML) es el aprendizaje automatizado mediante algoritmos avanzados. Estos se componen de muchas tecnologías, como por ejemplo el Deep Learning, (aprendizaje profundo), las redes neuronales y el procesamiento del lenguaje natural (NLP).
Machine Learning, Inteligencia Artificial y Data Mining
ML pertenece al ámbito de la inteligencia artificial (AI). Significa que las maquinas cuentan con la capacidad de aprender, sin ser programadas explícitamente. El aprendizaje automático se centra en el desarrollo de programas informáticos que pueden cambiar cuando se exponen a nuevos datos.
Por ello, el Machine Learning es similar al Data Mining. Ambos sistemas buscan patrones entre los datos. La minería de datos, extraer estos datos para su análisis y comprensión humana. En cambio, el Machine Learning, una vez detectado los patrones, ajusta las acciones del programa en consecuencia.
Aprendizaje supervisado y no supervisado
Estas tecnologías se utilizan en el aprendizaje no supervisado y supervisado, que funcionan guiados por las lecciones de la información existente. Los algoritmos del aprendizaje automático se clasifican a menudo como supervisados o no supervisados.
Supervisado: Los algoritmos supervisados pueden aplicar lo que se ha aprendido en el pasado a nuevos datos.
No supervisado: Los algoritmos no supervisados pueden extraer inferencias de conjuntos de datos.
El aprendizaje automático (ML) es una aplicación de inteligencia artificial (IA) que proporciona a los sistemas la capacidad de aprender y mejorar automáticamente a partir de la experiencia sin ser programado explícitamente.
Usos del Machine Learning
En el día a día, nos encontramos con el aprendizaje automatico en las recomendaciones de películas y series de Netflix, la música en Spotify, en los coches autonomos o la detección de fraude en las tarjetas de crédito.
Las plataformas de marketing y comercio electrónico pueden ajustarse para proporcionar recomendaciones precisas y personalizadas a sus usuarios en función del historial de búsqueda de Internet o las transacciones anteriores de los usuarios.
Facebook por ejemplo ajusta el feed de publicaciones según el tiempo que dedicamos a las publicaciones de ciertos perfiles. Su objetivo es optimizar y aumentar el tiempo que pasamos sobre su plataforma, y para ello nos muestra en mayor cantidad aquellas publicaciones que ha detectado que captan nuestro interés.
En 1997, el sistema IBM Deep Blue ganó al campeón mundial de ajedrez Gary Kasparow
En 2016, AlphaGo derrotó a uno de los mejores jugadores de Go, Lee Sedol.
Términos relacionados:
¿Por qué el big data es tan importante?
Power BI: La herramienta de análisis empresarial
Redes neuronales | Funcionamiento y aplicación
