Conceptos del machine learning

Comprender el machine learning

Lis Sulmont

Curriculum Manager, DataCamp

Tres tipos de machine learning

$$

1) Aprendizaje por refuerzo

2) Aprendizaje supervisado

3) Aprendizaje no supervisado

Datos de entrenamiento

• Datos de entrenamiento: datos existentes de los que aprender
• Entrenar un modelo: cuando se construye un modelo a partir de datos de entrenamiento
  • Puede tardar de nanosegundos a semanas

Datos de entrenamiento para el aprendizaje supervisado

Datos de entrenamiento para el aprendizaje supervisado

Datos de entrenamiento para el aprendizaje supervisado

Datos de entrenamiento para el aprendizaje supervisado

Datos de entrenamiento para el aprendizaje supervisado

Después del entrenamiento (aprendizaje supervisado)

Después del entrenamiento (aprendizaje supervisado)

Después del entrenamiento (aprendizaje supervisado)

Aprendizaje supervisado frente a no supervisado

• Aprendizaje supervisado
  • Los datos de entrenamiento están "etiquetados"
• Aprendizaje no supervisado
  • Los datos de entrenamiento solo tienen atributos
  • Sirve para:
    • Detectar anomalías
    • Agrupar, es decir, dividir los datos en grupos

Datos de entrenamiento de aprendizaje no supervisado

Datos de entrenamiento de aprendizaje no supervisado

Después del entrenamiento (aprendizaje no supervisado)

Aprendizaje no supervisado

• En realidad, los datos no siempre vienen con etiquetas.
  • Hace falta trabajo manual para etiquetar
  • Las etiquetas se desconocen
• Sin etiquetas: el modelo no está supervisado y encuentra sus propios patrones

¡Practiquemos!

Comprender el machine learning