Resumo Informática Básica - Faculdade de Bogotá 7

Vista previa del material en texto

Aprendizaje automático 
 
Machine Learning (ML) es una subárea de la Inteligencia Artificial que permite a los sistemas aprender y mejorar 
automáticamente a partir de experiencias pasadas. 
En lugar de estar programados explícitamente, los sistemas de aprendizaje automático utilizan algoritmos 
que analizan datos para encontrar patrones y tomar decisiones basadas en esos patrones. 
 
Tipos de aprendizaje automático: 
 
1. Aprendizaje Supervisado: Los modelos se entrenan con datos etiquetados, es decir, con ejemplos donde se 
conoce la respuesta correcta. Esto le permite predecir resultados para nuevos 
datos. 
 
2. Aprendizaje no supervisado: los modelos se entrenan con datos sin etiquetar, 
permitiéndoles descubrir estructuras y patrones por sí mismos. Esto es útil para la agrupación y la reducción 
de dimensionalidad. 
3. Aprendizaje por refuerzo: los modelos aprenden a tomar acciones en un entorno para 
maximizar las recompensas. Esto se aplica en juegos y robótica. 
Aplicaciones del aprendizaje automático: el aprendizaje automático se utiliza ampliamente en una variedad de 
campos, que incluyen: 
Medicina: Para diagnóstico médico y descubrimiento de fármacos. 
Finanzas: En detección de fraude y previsión de mercado. 
Marketing: Para personalización de contenidos y recomendaciones de productos. 
 
Transporte: En vehículos autónomos y optimización de rutas. 
 
Desafíos y ética: los desafíos incluyen la necesidad de grandes conjuntos de datos, 
interpretabilidad de modelos y cuestiones éticas como sesgos algorítmicos y privacidad. 
	Algoritmos de clasificación
	Aprendizaje automático