Machine Learning

Aprendizaje Automático
 Team

Andersson Mauricio Danna Valentina Joan Sebastian

Avilés Navarrete López Vega Perilla Soler
¿Qué es el Machine
Learning?
El Machine Learning o aprendizaje
automático es un campo científico
y, más particularmente, una
subcategoría de inteligencia
artificial. Consiste en dejar que los
algoritmos descubran «patterns»,
es decir, patrones recurrentes, en
conjuntos de datos. Esos datos
pueden ser números, palabras,
imágenes, estadísticas, etc.
Funcionamiento del
Machine Learning
 Se divide en 4 partes

Selección de un Entrenamiento
algoritmo del algoritmo

Selección y preparación
Uso y mejora del
de los datos de
modelo
entrenamiento
SELECCIÓN Y PREPARACIÓN DE
LOS DATOS DE ENTRENAMIENTO

Estos datos se utilizan para

alimentar el modelo de
Machine Learning para
aprender a resolver el
problema para el que se ha
diseñado.
SELECCIÓN DE UN ALGORITMO

El tipo de algoritmo
que se emplea depende
del tipo y del volumen
de datos de
entrenamiento y del
tipo de problema que
haya que resolver.
 ENTRENAMIENTO DEL ALGORITMO
Las variables se ejecutan a través
del algoritmo y los resultados se
comparan con los que debería
haber producido. Los “pesos” y el
sesgo se pueden ajustar para
aumentar la precisión del
resultado. Después se vuelve a
ejecutar las variables hasta que el
algoritmo produzca el resultado
correcto en la mayoría de los casos.
USO Y MEJORA DEL MODELO

Una vez entrenado,

el algoritmo podrá
encontrar los
patrones en nuevos
datos.
 MODELOS DE MACHINE
LEARNING
Aprendizaje Aprendizaje no Aprendizaje
supervisado supervisado por esfuerzo
Proporciona al Este tipo de aprendizaje
Los algoritmos se
se basa en la idea de
entrenan utilizando algoritmo del Machine
recompensar a un agente
Learning datos no
datos de entrada y por tomar ciertas acciones
etiquetados que le
salida de ejemplo en un entorno para
permiten encontrar la
que etiquetan los maximizar alguna noción
estructura dentro de de recompensa
humanos. sus datos de entrada. acumulativa.
Insumos de Machine
Learning
Los insumos principales para el Machine
Learning son los datos. Estos pueden ser
números, palabras, imágenes,
estadísticas, etc. Los datos se utilizan
para alimentar el modelo de Machine
Learning para aprender a resolver el
problema para el que se ha diseñado.
 Herramientas de
desarrollo para Machine
Learning
 TENSORFLOW 2.0

Una biblioteca de código

abierto desarrollada por
Google que permite a los
usuarios crear y entrenar
modelos de aprendizaje
profundo de manera
eficiente.
PYTORCH
Otra biblioteca de
aprendizaje profundo de
código abierto que ha
ganado popularidad debido
a su enfoque en la
simplicidad y la
flexibilidad.
 SCIKIT-LEARN
Una biblioteca de
Machine Learning en
Python que ofrece
implementaciones
eficientes de una
serie de algoritmos de
aprendizaje.
H20.ai
Una plataforma de
código abierto
para Machine
Learning y
análisis
predictivo.
 Microsoft Azure Machine
Learning

Un servicio en la nube
que proporciona un
entorno de trabajo que
es accesible desde
cualquier lugar.
IBM WATSON STUDIO
Una plataforma que
ayuda a los
científicos de datos
a colaborar y a
desarrollar modelos
de Machine Learning.
DISPOSITIVOS DE MACHINE
LEARNING

Aprendizaje Aprendizaje Inteligencia

Profundo Federado Artificial
(Deep (Federated Explicable
Learning) Learning) (Explainable AI)
 EJEMPLOS Y
APLICACIÓN DEL
MACHINE LEARNING
 Reconocimiento Facial
Se utiliza en diversas
situaciones para clasificar
objetos en una imagen
digital.
Aplicación:Detección de rostro.
Los dispositivos aprenden cuál es
tu rostro reconociéndola como una
imagen. Está siendo muy usando en
aplicaciones como Instagram o en
bancos de imágenes.
Recomendación de productos y
servicios
Muchos servicios de comercio
electrónico y de streaming
utilizan Machine Learning para
recomendar productos y contenido
basado en el comportamiento
pasado del usuario.
Aplicación: Es utilizado para
aprender los hábitos del cliente
potencial y ofrecerle aquellos
productos o servicios que se adapten
a sus necesidades.
 Reconocimiento de Voz
El reconocimiento de voz es
la traducción de palabras
habladas al texto.
Aplicación: Siri, Alexa o Cortana.
Las tres asistentes de voz más
populares y que aprenden de tu
información para poder entenderte
mejor cuando le formulas
preguntas.