Por 9.99€ al mes tendrás acceso completo a todos los cursos. Sin matrícula ni permanencia.
¿Qué es la inteligencia artificial?
Es un campo dentro de la informática que se centra en crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. La IA busca desarrollar máquinas que puedan razonar, aprender, planificar, procesar lenguaje natural, percibir su entorno y tomar decisiones.
¿Qué es Machine Learning (aprendizaje automático)?
Es una subdisciplina de la inteligencia artificial que se enfoca específicamente en el desarrollo de algoritmos y modelos que permiten a las máquinas aprender patrones a partir de datos y mejorar su rendimiento sin intervención humana explícita. En lugar de ser programados para realizar una tarea específica, los sistemas de ML utilizan datos para aprender y mejorar su desempeño con el tiempo.
Aprendizaje automático supervisado
Le damos a la máquina ejemplos de datos entrada x y de los respectivos datos de salida y que generan dichas entradas.
Una vez que la máquina haya aprendido de estos pares entrada-salida suministrados, podremos proporcionarle una nueva entrada que no estaba en el listado inicial y producirá una salida correspondiente y apropiada.
Algunos ejemplos
| Entrada (x) | Salida (y) | Aplicación |
|---|---|---|
| es spam ? (0 / 1) | filtros de spam | |
| anuncio | el usuario hará click? (0 / 1) | marketing online |
| imagen de un teléfono | tiene defectos? (0 / 1) | inspección visual |
| inglés | español | traducción |
| audio | texto | reconocimiento de voz |
Clasificación del aprendizaje automático supervisado:
Se divide en:
Clasificaciones
Objetivo: Asignar una etiqueta o categoría a cada observación o dato de entrada.
Tipos de salida: La salida es discreta. Es decir, se trata de una clase o categoría.
Ejemplos:
- Clasificar correos electrónicos como «spam» o «no spam».
- Diagnosticar una enfermedad basándose en los síntomas.
- Identificar objetos en imágenes (por ejemplo, «gato», «perro», «auto»).
Predicciones
Objetivo: Predecir un valor continuo basado en uno o más predictores (características de entrada).
Tipos de salida: La salida es continua. Es decir, se trata de un valor numérico.
Ejemplos:
- Predecir el precio de una casa basándose en su tamaño, ubicación y otras características.
- Estimar la temperatura para el día siguiente basándose en datos meteorológicos históricos.
- Predecir la cantidad de ventas de un producto en un mes determinado.