Data Science

¿Qué es el Machine Learning?

¿Qué es el machine learning? Si te interesan los análisis, es posible que hayas escuchado mucho este término. Muchos lo usan mal y algunos predicen resultados grandiosos para su futuro. A pesar de las exageraciones, el aprendizaje automático es una de las tecnologías más poderosas de la empresa moderna. Pronto entenderás por qué.

¿Qué es el machine learning?


El aprendizaje automático es una escuela de informática que se centra en las máquinas de programación para mejorar su propio rendimiento a través de datos e iteración. En la programación tradicional, un ingeniero humano necesita codificar cada proceso que realiza la máquina. Esto dificulta la resolución de algunos tipos de problemas.

Tomemos el ejemplo de un servicio de transmisión de video como Hulu o Netflix. Para hacer recomendaciones para los usuarios, los ingenieros deben decidir qué videos recomendar en función de los comentarios de los usuarios. Es un caso de “si A entonces B”.

Desde cierta perspectiva, esto funciona. El programa puede vincular a los usuarios con recomendaciones de video basadas en factores determinados como el género. Pero, ¿cómo pueden los programadores hacer esto por miles de títulos y millones de historiales de usuarios únicos? ¿Y pueden los ingenieros realmente saber que alguien que disfruta de un título disfrutará de otro? ¿Qué tan rápido se ajustará el programa a medida que cambian los hábitos de visualización?

El aprendizaje automático resuelve estos problemas. En lugar de depender únicamente de la instrucción humana, el aprendizaje automático utiliza algoritmos para recopilar datos, aprender de ellos y hacer predicciones. El sistema puede ajustarse a medida que los usuarios proporcionan más información. A menudo esto lleva a recomendaciones que un humano no predeciría. Tal vez los fanáticos de una determinada película de terror disfruten de una comedia romántica en particular, por ejemplo.

IA vs aprendizaje automático


Una de las preguntas más comunes que hacen las personas es la cuestión del aprendizaje automático y la inteligencia artificial. La respuesta es simple. El aprendizaje automático es un tipo de IA. Es un subconjunto dentro del campo más amplio, de la misma manera que la inteligencia artificial es un subconjunto dentro del campo más amplio de la informática.

A diferencia del aprendizaje automático, la IA es un término más bien no técnico. Se trata más de resultados que de una metodología específica. Cualquier sistema inteligente que imite el comportamiento humano es una IA.

Aprendizaje supervisado vs. aprendizaje no supervisado


El aprendizaje supervisado es una tarea común en el aprendizaje automático que funciona mediante el uso de pares de entrada y salida para entrenar un algoritmo. Vamos a usar un ejemplo de un equipo que quiere entrenar una aplicación para reconocer imágenes de perros.

Los perros pueden verse muy diferentes entre sí. Es extremadamente difícil enseñar a una computadora a reconocer las similitudes de un gran danés parado en una montaña y un chihuahua nadando en un lago. Cualquier regla tradicional que pueda crear para el sistema tendría inevitablemente excepciones. Es por eso que el reconocimiento de imágenes es un buen caso de uso para el aprendizaje automático.

En lugar de programar una máquina para buscar ciertas características de perro, los ingenieros crearán un programa que iterará en función de las entradas y los pares de salida. Los humanos proporcionarán al algoritmo una gran cantidad de imágenes como entrada, cada una con una salida correspondiente que indica si esa imagen incluye o no un perro.

Con suficiente información y capacitación, este modelo iterativo puede crear una precisión sorprendente. En poco tiempo el programa ya no requerirá entrenamiento humano o ejemplos. Podrá identificar imágenes de perros en función de su entrenamiento. Los ingenieros luego probarán la precisión del programa, realizarán los ajustes necesarios y repetirán el proceso hasta que el algoritmo sea preciso.

Ahora que entiende cómo funciona el aprendizaje supervisado, probablemente pueda adivinar la diferencia en el aprendizaje no supervisado. En el aprendizaje no supervisado, el sistema itera sin los datos etiquetados y estructurados que los equipos utilizan para entrenar los algoritmos supervisados.

Otra forma de decir esto es que el algoritmo debe entrenarse solo en entradas sin conocer las salidas correspondientes. Los algoritmos de aprendizaje no supervisados ​​intentan modelar la estructura subyacente de los datos para comprenderlos y predecir los resultados.

¿Por qué los líderes empresariales deberían preocuparse por el machine learning?


Esta tecnología ya ha alterado drásticamente el panorama empresarial. Tomemos como ejemplo el comercio electrónico. Imagen de la página principal de un gran minorista en línea. En el momento en que abres tu cuenta, recibes recomendaciones altamente precisas. Esto puede beneficiar tanto al vendedor como al comprador. ¿Podría un algoritmo tradicional hacer recomendaciones tan precisas y personalizadas para millones de clientes?

Ejemplos como este son infinitos. El sistema informático de un automóvil puede analizar millones de imágenes para reconocer los peligros en la carretera. Un sistema meteorológico puede ingerir información del sensor para predecir el clima con una precisión asombrosa.

Otros casos de uso incluyen seguridad cibernética, atención médica, automatización de procesos y análisis financiero. Existe una gran posibilidad de que esta tecnología ya haya afectado sus operaciones. La pregunta ahora es cómo su equipo lo usará para tener éxito.

Author


Avatar