MACHINE

LEARNING

Esta foto de Autor desconocido se concede bajo licencia de CC BY.

 ¿QUE ES?

• Machine learning es una forma de

la IA que permite a un sistema
aprender de los datos en lugar de
aprender mediante la
programación explícita. Sin
embargo, machine learning no
es un proceso sencillo.
•
 ¿PARA QUE
SIRVE?
• dota a los ordenadores de la
capacidad de identificar patrones
en datos masivos y elaborar
predicciones (análisis predictivo).
• Dependiendo de la naturaleza del
problema empresarial que se está
atendiendo, existen diferentes
enfoques basados en el tipo y
volumen de los datos. En esta
sección, discutimos las categorías
del machine learning.
•
¿COMO ESTÁ
CLASIFICADO?
• Aprendizaje supervisado

• Aprendizaje no supervisado

• Aprendizaje de refuerzo
EL APRENDIZAJE
SUPERVISADO
•
• El aprendizaje
supervisado comienza
típicamente con un conjunto
establecido de datos y una
cierta comprensión de cómo se
clasifican estos datos.
El aprendizaje supervisado tiene la
intención de encontrar patrones
en datos que se pueden aplicar a
un proceso de analítica.
•
APRENDIZAJE
NO
SUPERVISADO
•
• El aprendizaje no supervisado se
utiliza cuando el problema
requiere una cantidad masiva de
datos sin etiquetar. Por ejemplo,
las aplicaciones de
redes sociales, tales
como Twitter, Instagram y
Snapchat, tienen grandes
cantidades de datos sin
etiquetar.
•
APRENDIZAJE
DE REFUERZO
•
• El aprendizaje de refuerzo es un
modelo de aprendizaje
conductual. El algoritmo
recibe retroalimentación del
análisis de datos, conduciendo
el usuario hacia el mejor
resultado.
 EJEMPLO DEL
FUNCIONAMIENTO DE
MACHINE LEARNING
• Ejemplos de machine learning de uso
diario: asistentes inteligentes. Siri, Alexa
y Cortana son solo algunos de los
asistentes inteligentes que se utilizan en
la vida cotidiana para realizar
actividades como configurar
recordatorios, alarmas, consultar el
clima, etc.
•
 CARACTERIST
ICAS

• Procesamiento de datos.

• Ingeniería
de características.

• Selección de algoritmo.
•
 APLICACIONE
S EXTERNAS
• Aplicaciones
• motores de búsqueda, reconocimiento del habla, del
lenguaje o robótica. Más ejemplos que vemos o
veremos en nuestro día a día pueden ser:
• Detección de rostro. Lo vemos en nuestros móviles.
• Anti-spam. Mediante el uso de tags.
• Anti-virus. Detectando software malicioso.
• Genética. En la clasificación de secuencias de ADN.
• Forecast. De clima o tráfico.
• Comprensión de textos.
• Vehículos autónomos y robots.
• Análisis de imágenes de alta calidad.
• Análisis de comportamiento de consumo y
productividad. Para la identificación de clientes
potenciales y en general en sectores de telco,
banca, seguros…

•
 VENTAJAS

• Identifican tendencias y patrones de datos

que los humanos pueden pasar por alto.
• Luego de configurarlos, pueden funcionar
sin intervención humana. Por ejemplo, el
machine learning en el software de
ciberseguridad puede supervisar e
identificar de manera continua las
irregularidades en el tráfico de red sin la
intervención del administrador.
• Los resultados pueden ser más precisos
con el tiempo.
• Pueden manejar una variedad de formatos
de datos en entornos dinámicos,
complejos y de gran volumen de datos.
•
Esta foto de Autor desconocido se concede bajo licencia de CC BY.
DESVENTAJAS

• El entrenamiento inicial es un
proceso costoso y puede llevar
mucho tiempo. Puede ser difícil
de aplicar si no se dispone de
datos suficientes.
• Se trata de un proceso con uso
intensivo de computación que
requiere una inversión inicial
fuerte en caso de que el
hardware se configure de
manera interna.
• Sin la ayuda de un experto, puede
ser un reto interpretar los
resultados correctamente y
eliminar la incertidumbre.
•
PROYECTO
JUPYTER

•El Proyecto Jupyter

• es una organización sin ánimo de lucro creada
para "desarrollar software de código abierto,
estándares abiertos y servicios para
computación interactiva en docenas de
lenguajes de programación".
• Creado a partir de IPython en 2014 por
Fernando Pérez,
• El proyecto Jupyter ha desarrollado y
respaldado los productos de computación
interactiva Jupyter Notebook, JupyterHub y
JupyterLab, la versión de próxima generación
de Jupyter Notebook.
•

Esta foto de Autor desconocido se concede bajo licencia de CC BY-SA.

¿PARA QUE
SIRVE?
• Jupyter Notebook es una aplicación
web que facilita la creación y el
intercambio de documentos de
programas literarios. Es
compatible con código en tiempo
real, ecuaciones matemáticas,
visualización y Markdown. Sus
usos incluyen limpieza y
conversión de datos, simulación
numérica, modelado estadístico y
máquinas.
¿QUÉ LENGUAJE
USA JUPYTER?

• Jupyter Notebook es un entorno

computacional interactivo basado en
web para crear documentos de cuaderno
Jupyter. Es compatible con varios
lenguajes como Python (IPython), Julia,
R, etc. y se utiliza principalmente para
análisis de datos, visualización de datos y
más computación exploratoria
interactiva.
VENTAJAS
• Proporciona un entorno donde puede
registrar código, ejecutar código,
ver resultados, visualizar datos y
ver resultados de salida.
• Cuando todavía está creando un prototipo
de proyecto, Jupyter Notebooks es
realmente útil, porque su código
está escrito en una unidad
separada y se ejecuta por
separado. Esto permite a los
usuarios probar bloques de código
específicos en el proyecto sin tener
que ejecutar el código desde el
principio del script.
• Jupyter Notebook es una aplicación web
que facilita la creación y el intercambio
de documentos de programas literarios.
Es compatible con código en tiempo
real, ecuaciones matemáticas,
visualización y Markdown. Sus usos
incluyen limpieza y conversión de
datos, simulación numérica, modelado
estadístico y máquinas.
GOOGLE COLLAB
• Conceptos básicos. Colaboratory, o "Colab" para
abreviar, es un producto de Google Research.
Permite a cualquier usuario escribir y ejecutar
código arbitrario de Python en el navegador. Es
especialmente adecuado para tareas de
aprendizaje automático, análisis de datos y
educación.
¿QUÉ DIFERENCIA HAY
ENTRE JUPYTER Y COLAB?

• Jupyter es el proyecto de código abierto en

el que se basa Colab. Colab te permite
usar y compartir cuadernos
de Jupyter con otros usuarios sin tener
que descargar, instalar ni ejecutar nada.
¿Dónde se ejecuta el código? ¿Qué
pasa con el estado de ejecución si
cierro la ventana del navegador?

•
• El código se ejecuta en una máquina
virtual dedicada a tu cuenta. Las
máquinas virtuales se eliminan
cuando pasan un tiempo inactivas y
tienen un ciclo de vida máximo que
aplica el servicio de Colab.
•