Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aprendizaje de Máquina PDF
Aprendizaje de Máquina PDF
LEARNING
Preparado como parte de las Actividades por el LII Aniversario de la
Facultad de Ciencias Puras y Naturales
M.Sc. Aldo Ramiro Valdez Alvarado
Mayo de 2018
Índice
1 Inteligencia Artificial y ML
2 Big Data y ML
3 Data Science y ML
4 Definición de ML
5 Tipos de ML
6 Aprendizaje Supervisado
7 Aprendizaje No Supervisado
Google Trends…
1 Inteligencia Artificial y ML
La Inteligencia Artificial es la ciencia de construir
máquinas que…
… piensen … piensen
como humanos racionalmente
Biología Visualización
Machine
Ingeniería Learning Economía
Procesamien
Bases de
to de
Señales Datos
5 Tipos de ML
Aprendizaje Aprendizaje No Aprendizaje
Supervisado Supervisado Reforzado
• Modelos • Modelos • Un enfoque de la IA
Predictivos. Descriptivos. • Aprendizaje basado
• La máquina • La máquina en los hallazgos.
aprende entiende los datos. • La máquina
explícitamente. • La evaluación es aprende a como
• Predice el futuro a cualitativa o actuar en un
partir de datos indirecta. determinado
históricos. • No realiza entorno.
• Resuelve predicciones, • Maximiza los
problemas de encuentra algo hallazgos.
clasificación y específico.
regresión.
Variables Discretas
Clasificación Clustering
Reducción de la
Regresión Dimensión
Variables Continúas
6 Aprendizaje Supervisado
Aprendiendo un modelo, de datos etiquetados.
Datos de Entrenamiento: “ejemplos” x con “etiquetas” y.
(x 1 , y1), . . . , (x n , yn) / x i ∈ Rd
Característica 1
Característica 2
Característica 1
Límite de la decisión
Característica 2
Característica 1
Límite de la decisión
(x 1 , y1), . . . , (x n , yn) / x i ∈ Rd
f : Rd → R f es llamado un regresor.
Ejemplo: cantidad de crédito, peso de una fruta.
7 Aprendizaje No Supervisado
Aprendiendo un modelo, de datos no etiquetados.
Datos de Entrenamiento: “ejemplos” x.
x 1 , . . . , x n , x i ∈ X ⊂ Rn
Clustering/segmentation:
f : Rd −→ {C 1 , . . . C k } (Conjunto de clusters).
Característica 1
Característica 2
Característica 1
Característica 2
Característica 1
Algoritmos: K-means, gaussian mixtures, clustering jerárquico,
spectral clustering, entre otros.
Aldo Ramiro Valdez Alvarado
Licenciado en Informática
Máster en Dirección Estrategica en Tecnologías de la Información
Máster(c) en Business Intelligence y Big Data
Docente Titular de la Carrera de Informática de la UMSA
Docente de Postgrado en la UMSA y otras Universidades
Ex - Coordinador del Postgrado en Informática UMSA
Conferencista Nacional e Internacional
http://aldovaldezalvarado.blogspot.com/
https://www.linkedin.com/in/msc-aldo-valdez-alvarado-17464820
arvaldez@umsa.bo
aldo_valdez@hotmail.com