FORO

Cada alumno debe crear una entrada en la que se explique/debata sobre los principales
desafíos al utilizar Machine Learning en Big Data, las tecnologías y herramientas más
utilizadas, y también sus limitaciones.

PRINCIPALES DESAFIOS AL UTILIZAR MACHINE LEARNING EN BIG DATA

Eh podido investigar que las empresas que manejan tecnologías mediante el procesamiento del
Big Data con machine learning son organizaciones que pueden tomar mejores decisiones
estratégicas y de inteligencia de negocios.

Los grandes desafíos del Machine learning que interactúan con información privilegiada o
sensible tienen inmersos problemas éticos de explotación de Big Data y de los cuales se
desencadenan en privacidad, la burbuja del filtro e inercia, gestión de datos después de la
muerte, sesgo del algoritmo, radicalización y sectarismo, impacto en las capacidades personales
y la libertad, Igualdad de derechos entre el propietario de los datos y el explotador de datos.
Básicamente implica que las directrices éticas del big data están atrasadas, debido a numerosas
preguntas abiertas y situaciones que no se han podido resolver. Por tanto, para resolver ese tipo
de problema, está ligado a la creación de normas y recomendaciones éticas o mejor dicho
principios de procesamiento para Big data e inteligencia artificial, lo cual debe ser un continuo
proceso.

TECNOLOGIAS

Existen diferentes tecnologías y los siguientes son los algoritmos más utilizados en el mundo
del machine learning en big data:

 Los algoritmos de regresión

 Los algoritmos Bayesianos
 Los algoritmos de agrupación
 Los Algoritmos de árbol de decisión
 Los algoritmos de redes neuronales
 Los algoritmos de reducción de dimensión
 Los algoritmos de aprendizaje profundo

HERRAMIENTAS MÁS UTILIZADAS:

Se puede realizar machine learning en Java, Scala, Python y R, no obstante, Python y R son
lenguajes de programación actuales y populares del machine learning en big data. Por tanto,
Python con su sencillez se ha catalogado uno de los lenguajes favoritos de los programadores e
incluso para los científicos de los datos. Python asegura que tiene una facilidad de aprendizaje
para implementar en varios proyectos. Las herramientas más destacadas para ML son:

 TensorFlow
 Pytorch
 Scikit-Learn
 Spark MLlib
 H20
  PredicitionIO

Al fin y al cabo, hay numerosas herramientas de machine learning en Big data y se podría decir
que también existen algunas herramientas más destacables como Neo4j, MLflow, RapidMiner,
Azure, IBM Watson, Amazon SageMaker, weka.

LIMITACIONES

Actualmente el machine learning se ha convertido en la cuarta revolución industrial en conjunto

con la inteligencia artificial y Big Data. Sin embargo, ciertamente tiene algunas limitaciones que
impiden avanzar el desarrollo de los modelos algorítmicos y que sea completamente funcional
que deseamos.

En primer lugar, esta las grandes cantidades de datos y deben ser almacenados en equipos
servidores altamente costosos, ciertamente no cualquier empresa tiene acceso a ellos e incluso
adicionalmente la migración de datos a Big datos.

En el segundo lugar, son los modelos algorítmicos complejos, ciertamente deben ser eficientes
para manejar las enormes cantidades de variables a considerar y puedan generar respuestas
oportunas y más ajustadas con la realidad. Adicionalmente otra limitación es que no logra
descifrar los resultados por el Machine Learning.

En el tercer lugar está en los problemas éticos. Por tanto, señala que en la actualidad hay poca
transparencia y confianza.

En todo caso, a pesar de las limitaciones, las empresas están invirtiendo y apostando
fuertemente por esta tecnología.

REFERENCIAS:

https://rtc-cea.cepal.org/sites/default/files/2019-11/Desafios%20eticos%20Big%20Data.pdf

https://www.muycomputerpro.com/2019/07/29/cinco-tecnologias-en-las-que-se-apoya-la-
inteligencia-artificial

http://www.intersoftware.com.mx/blog/los-bits-y-bytes-del-big-data/

https://blog.jorgeperezcolin.mx/problemas-retos-algoritmos-machine-learning/

https://www.grapheverywhere.com/algoritmos-de-machine-learning/

https://invidgroup.com/es/la-verdad-sobre-el-uso-del-machine-learning/