Presentación

Universidad dominicana O&M

Nombre: Pedro Henriquez

Matricula: 19-EIST-1-082

Sección: 0707

Asignatura: Inteligencia artificial

Maestro/a: JOSE RAFAEL ROJAS BERIGUETE

¿Qué es el machine Learning?
Como establecimos previamente, es un campo de las ciencias de la computación que, de
acuerdo a Arthur Samuel en 1959, le da a las computadoras la habilidad de aprender sin ser
explícitamente programadas. Si esta definición resultó muy trivial, pongámoslo de esta forma:
es la idea de que existen algoritmos que pueden darte hallazgos o conclusiones relevantes
obtenidas de un conjunto de datos, sin que el ser humano tenga que escribir instrucciones o
códigos para esto.
¿Cuál es la diferencia entre IA, Machine learning y Deep learning?

Poniéndolo de una forma simple, la diferencia entre la IA y el ML radica en que la IA es la

capacidad de las máquinas de mostrar habilidades y comportamientos inteligentes, mientras
que el ML es la técnica que se utiliza para mejorar esas capacidades.
Uno de los objetivos de la IA es crear un sistema inteligente como los humanos para resolver
problemas, entretanto, el ML tiene la finalidad de que las máquinas aprendan de los datos para
que puedan dar resultados precisos sin necesidad de programarlas. El Deep Learning es un
concepto mucho más nuevo y funciona dentro del Machine Learning, o como una rama
específica dentro del Machine Learning.

Categoría de la IA:
Inteligencia Artificial General (AGI)
Entre los tipos de inteligencia artificial, AGI se considera fuerte y profunda, como una máquina
capaz de imitar la inteligencia humana y con una vasta capacidad de acción.
En su comportamiento, ella puede aprender y, con base en eso, replicar actitudes para resolver
diferentes cuestiones. Eso es lo que la convierte en uno de los modelos más versátiles
disponibles actualmente.

Inteligencia artificial estrecha (ANI)

La ANI es el tipo de IA que existe hoy y también se conoce como IA débil. Si bien las tareas
que puede realizar la IA estrecha pueden ser impulsadas por algoritmos altamente complejos y
redes neuronales son, no obstante, singulares y orientadas a objetivos.

Los tipos de machine learning:

Aprendizaje supervisado
En primer lugar, el tipo de aprendizaje supervisado está basando en la vigilancia.
Aprendizaje no supervisado.
Como su nombre revela, este tipo de aprendizaje automático se diferencia del anterior en
cuanto a que no está siendo supervisado en ningún momento.

Aprendizaje semisupervisado.
El tipo de aprendizaje semisupervisado es una práctica que se encuentra en un punto medio
entre el aprendizaje supervisado y el no supervisado.

Aprendizaje por refuerzo.

El último tipo sobre el que te hablaremos es el tipo aprendizaje por refuerzo, una práctica que
está basada en recompensar los comportamientos deseados, mientras que los no deseados
serán penalizados.
Tipos de algoritmo del machine learning

1. Algoritmos de regresión
En las tareas de regresión, el programa de aprendizaje automático debe estimar y comprender
las relaciones entre las variables.

2. Algoritmos bayesianos
Este tipo de algoritmos por clasificación están basados en el teorema de Bayes y clasifican
cada valor como independiente de cualquier otro.

3. Algoritmos de agrupación
Se utilizan en el aprendizaje no supervisado, y sirven para categorizar datos no etiquetados, es
decir, datos sin categorías o grupos definidos.

4. Algoritmos de árbol de decisión

Un árbol de decisión es una estructura de árbol similar a un diagrama de flujo que utiliza un
método de bifurcación para ilustrar cada resultado posible de una decisión.

5. Algoritmos de redes neuronales

Una red neuronal artificial (RNA) comprende unidades dispuestas en una serie de capas, cada
una de las cuales se conecta a las capas anexas.
¿Cuál es la importancia del machine learning?
Cada vez las empresas generan más datos que contienen información valiosa que puede ser
aprovechada. Sin embargo, para que esto ocurra es necesario procesar los datos con una
herramienta que permita traducirlos en información útil para la compañía.
Es precisamente ahí donde entra el machine learning, para que las máquinas puedan aprender
de forma autónoma a procesar esos datos y darles un buen uso.
Es evidente que, con esta tecnología, será posible obtener la ventaja competitiva que las
empresas tanto buscan hoy en día.