El documento presenta una charla sobre Azure Machine Learning. La charla explica conceptos clave como aprendizaje supervisado, no supervisado y deep learning. También describe el flujo de trabajo típico de machine learning que incluye preparar datos, seleccionar algoritmos, entrenar y probar modelos. Finalmente, resume que Azure Machine Learning permite crear e implementar modelos predictivos de forma rápida y escalable en la nube.
1. 1° Gira Online de Speakers en Latinoamérica
Comunidad Azure Perú y Comunidad Azure
Latinoamérica
presenta:
Speaker: Miguel Quintero P.
Charla : Azure Machine Learning
2. Azure Machine Learning
El Reto del Presente
Hacia lo que nos Presenta el Futuro
@Manquip
https://www.facebook.com/manquip.dev
Miguel Quintero
3. AI
Machine
Learning
Supervisado
No supervisado
Deep Learning
NLP (Natural
Lenguaje
Processing)
Generación de
Texto
Responder
Preguntas
Extracción de
contexto
Clasificación
Traducción
Speech
De texto a
Hablado
De Hablado a
Texto
Visión
Reconocimiento
de Imágenes
Visión de
máquina
Sistemas
Expertos
Planificación Robótica
4. AI
Machine
Learning
Supervisado
No supervisado
Deep Learning
NLP (Natural
Lenguaje
Processing)
Generación de
Texto
Responder
Preguntas
Extracción de
contexto
Clasificación
Traducción
Speech
De texto a
Hablado
De Hablado a
Texto
Visión
Reconocimiento
de Imágenes
Visión de
máquina
Sistemas
Expertos
Planificación Robótica
5. Machine Learning
Supervisado
No supervisado
Deep Learning
El aprendizaje supervisado se caracteriza porque el proceso de aprendizaje se
realiza mediante un entrenamiento controlado por un agente externo (supervisor,
maestro) que determina la respuesta que debería generar la red a partir de una
entrada determinada.
El supervisor controla la salida de la red y en caso de que ésta no coincida con la
deseada, se procederá a modificar los pesos de las conexiones, con el fin de
conseguir que la salida obtenida se aproxime a la deseada.
6. Machine Learning
Supervisado
No supervisado
Deep Learning
Normalmente se utilizan redes en donde la salida representa el grado de
familiaridad o similitud entre la información que se le está presentando a la
entrada y las informaciones que se le han mostrado hasta entonces.
Está constituido por un conjunto de reglas que dan a la red la habilidad de aprender
asociaciones entre los patrones que ocurren en conjunto, (frecuentemente) .
Una vez que los patrones se han aprendido como asociación le permite a las redes
realizar tareas útiles de reconocimiento de patrones y la habilidad de recordar.
7. Machine Learning
Supervisado
No supervisado
Deep Learning
Podría decirse que corresponde a un grupo de redes la salida representa el grado
de familiaridad o similitud entre la información que se le está presentando a la
entrada y las informaciones que se le han mostrado hasta entonces.
Está constituido por un conjunto de reglas que dan a la red la habilidad de aprender
asociaciones entre los patrones que ocurren en conjunto, (frecuentemente) .
Una vez que los patrones se han aprendido como asociación le permite a las redes
realizar tareas útiles de reconocimiento de patrones y la habilidad de recordar.