Temario Introducción a ML Problemas Métodos básicos Evaluación de resultadosExtra: Selección de inputs
Introducción
Qué es Machine Learning?
Introducción
Hay problemas en Informática que se pueden “definir” concretamente y son simples de convertir en un algoritmo Ejemplo: Ordenar alfabéticamente una lista, calcular el balance de una cuenta. Hay otros que son simples de “entender” pero muy difíciles de “definir” y convertir en algoritmo Ejemplo: Detectar una sonrisa en una cara, interpretar un gesto del lápiz como una letra dada El Aprendizaje Automatizado introduce métodos que pueden resolver esas tareas “aprendiendo” la solución a partir de ejemplos de como se realiza la misma
Problemas en ML Clasificación Regresión Ranking-Retrieval Detección de novedades Clustering Identificación de inputs relevantes Etc, etc.
Clasificación Problema: Dado un objeto (conjunto de características medidas de alguna forma) asignarle una (o varias) etiqueta de un conjunto finito.
Ejemplo: asignar un símbolo alfanumérico a una secuencia de movimientos del lápiz en la pantalla táctil Asignar automáticamente una noticia a diferentes grupos de interés (una o más clases)
Regresión Problema: Dado un objeto asignarle un número real.
Ejemplo: Predecir la relación euro-dolar de mañana. Predecir niveles de stock/ventas a futuro.
Búsqueda y Ranking Problema: Dado un objeto, asignarle y ordenar las respuestas más probables dentro de una base de datos.
Ejemplo: Buscadores en Internet Sistemas de recomendación
Detección de novedades Problema: Detectar "outliers", objetos que son diferentes a los demás.
Ejemplo: Alarmas de comportamiento en compras con tarjeta. Detección de fallas en equipos críticos.
Clustering Problema: Detectar grupos de objetos que tienen características similares. Ejemplo: Segmentación de consumidores/clientes a partir de sus patrones de compra/búsqueda. Marketing "dirigido".
Detección de inputs relevantes Problema: Dado uno de los problemas anteriores (u otro) y sus datos, averiguar cuales de las variables son responsables de la solución.
Ejemplo: El "nuevo método científico": tomar muestras sanas y con alguna enfermedad. Analizar miles de variables con un método automático (MALDI-TOF, DNA-microchips) y buscar cuales de las variables monitoreadas son relevantes al problema.
| Página siguiente |