Machine

Learning
Angie Valentina
Blanco
20231015114
 ¿Que es ?
El Machine Learning (ML) o aprendizaje
automático es una rama de la IA y la
inteligencia artificial autónoma que, a través
de algoritmos, dota a los ordenadores de la
capacidad de identificar patrones en datos
masivos y elaborar predicciones (análisis
predictivo)
 AI
01 Procesa datos para tomar
decisiones y hacer proyecciones

Machine learning
02 permiten que la IA aprenda de las
experiencias con esos datos,
haciéndola una tecnología más
inteligente

03 Deep learning yRed neuronal

profundiza esta capacidad a través

de las redes neuronales,
04 permitiendo generar resultados de
manera cada vez más autónoma y
exhaustiva.
 Modelos de Machine Learning
Aprendizaje Aprendizaje no
supervisado sueprvisado
Existen cuatro modelos
principales de Machine
Estos algoritmos cuentan con un
Learning. Decidir el modelo Estos algoritmos cuentan con un
aprendizaje previo basado en un
correcto para un proyecto aprendizaje previo basado en un
sistema de etiquetas asociadas a
de Machine Learning sistema de etiquetas asociadas a
unos datos que les permiten tomar
depende en gran parte del unos datos que les permiten tomar
decisiones o hacer predicciones.
tipo de información que se decisiones o hacer predicciones.
tenga, la magnitud de dicha
información y el objetivo o
Aprendizaje resultado que se quiera
Aprendizaje por
derivar de ella.
semisupervisado refuerzo:
Este método combina el aprendizaje
supervisado y el no supervisado. aprende a partir de sus errores.
Para entrenar los sistemas, esta Funciona a partir de un agente al
técnica se basa en el uso de una que se le coloca en un entorno
pequeña cantidad de datos desconocido, y que determina qué
etiquetados y de una gran cantidad acciones llevar a cabo mediante
de datos sin etiquetar. prueba y error.
 Seguridad

Aplicaciones del Sector

Machine Learning financiero

Desplazamientos y
viajes más eficientes

Marketing,
publicidad y redes
sociales

Asistencia virtual
 Componentes

Preparar los
Recolectar datos
datos

Elegir el modelo

Evaluacion del
configuración de
modelo
parámetros
BENEFICIOS
 Machine learning Ventajas vs
Desventajas

Ventajas Desventajas
● Identifican tendencias y patrones de ● El entrenamiento inicial es un proceso
datos que los humanos pueden pasar por costoso
alto.
● Luego de configurarlos, pueden funcionar ● puede llevar mucho tiempo.
sin intervención humana.
● Los resultados pueden ser más precisos ● Puede ser difícil de aplicar si no se
con el tiempo. dispone de datos suficientes.
● Pueden manejar una variedad de
formatos de datos en entornos
dinámicos, complejos y de gran volumen
de datos.
 Historia
https://www.youtube.com/watch?v=_5BklQTGJmE&list=LL&index=1&t=24s&ab_channel
=AprendeIAconLigdiGonzalez

2020 1980s 1980s

BERT por GATO por Deep Mind
IA Autónoma
Google y
Algotive, desarrolla
algoritmos de Inteligencia
vehicleDRX por
Jupiter is a gas
giant and the Artificial Autónoma que Algotive
biggest planet elevan los sistemas de
videovigilancia en
industrias críticas.
 Futuro del Machine Learning

está revolucionando numerosas industrias,

al permitir tomar decisiones más
informadas, ayudar a los desarrolladores a
analizar problemas con un enfoque
innovador y ofrecer información más
rápido y con mayor precisión. el siguiente
paso irá de la mano de la computación
cuántica, pues el ML tiene el potencial de
transformarse e innovar gracias a
algoritmos cuánticos. Se podrá mejorar el
análisis de datos y obtener conocimientos
más profundos. También se espera que,
durante los próximos años, se cree un
modelo de uso múltiple que realice varias
tareas al mismo tiempo.
 Precios
Podemos encontrar desde aplicaciones,
servicios de bancos completamente gratis,
a algunas con pagas mensuales
$ 433.000
Asistentes virtuales $ 249.900-$2.481.900
Cámaras $163.300- $4.975.002
¡Gracias !