Este documento introduce el aprendizaje automático y la inducción. Explica que el aprendizaje automático se usa para descubrir conocimiento útil para la toma de decisiones y modificar los mecanismos de toma de decisiones para mejorar el rendimiento. La inducción implica generalizar una función a partir de ejemplos, y el desafío es encontrar la hipótesis que mejor aproxime la función desconocida. El criterio de Ockham sugiere preferir la hipótesis más simple que sea consistente con los datos.

1. Introducción a
Aprendizaje Automático
© Dr. Leonardo Garrido
Departamento de Ciencias Computacionales
Tecnológico de Monterrey
E-mail: leonardo.garrido@itesm.mx
Web page: http://homepages.mty.itesm.mx/lgarrido

2. Aprender?
! Qué es aprender?
! Cómo aprender?
! Qué aprender?
© Dr. Leonardo Garrido
Aprendizaje Automático

3. Para qué aprender?
! Para descubrir conocimiento útil para la toma de
decisiones!
! Es útil como un método para la construcción de
sistemas (en lugar de programarlo todo a priori).
! Modifica los mecanismos de toma de decisiones
para incrementar el rendimiento del agente.
! Es esencial cuando tratamos con ambientes
desconocidos (o cuando el diseñador no conoce
todos los posibles escenarios).
© Dr. Leonardo Garrido
Aprendizaje Automático

4. Qué es inducción?
! Primero, cuál es el proceso de deducción?
! Entonces, cuál será el proceso de inducción?
! Cuáles son algunos ejemplos de inducción?
© Dr. Leonardo Garrido
Aprendizaje Inductivo

5. Aprendizaje inductivo
! Primero, se reciben valores correctos de una
función desconocida para entradas particulares.
! Entonces, se trata de descubrir la función
desconocida … o al menos algo cercana a ella!
© Dr. Leonardo Garrido
Aprendizaje Inductivo

6. Aprendizaje inductivo
! Un ejemplo es un par (x, f(x)) donde x es la entrada y f(x)
es la salida de la función.
! Entonces dada una colección de ejemplos de f, el
algoritmo debe regresar una función h que aproxime a f.
! La función h es llamada hipótesis.
! Una buena hipótesis debe generalizar bien (predecir bien
ejemplos no vistos aún)
© Dr. Leonardo Garrido
Aprendizaje Inductivo

7. El ejemplo clásico …
f(x)
x
© Dr. Leonardo Garrido
Aprendizaje Inductivo

8. Pero y si el problema es así? …
© Dr. Leonardo Garrido
Aprendizaje Inductivo

9. Una posible solución …
© Dr. Leonardo Garrido
Aprendizaje Inductivo

10. Otra posible solución …
© Dr. Leonardo Garrido
Aprendizaje Inductivo

11. Aún otra posible solución …
© Dr. Leonardo Garrido
Aprendizaje Inductivo

12. Es más, hay muchas soluciones!
© Dr. Leonardo Garrido
Aprendizaje Inductivo

13. Ockham´s Razor
Maximizar la
combinación de
consistencia y simplicidad!
© Dr. Leonardo Garrido
Aprendizaje Inductivo

14. Ockham´s Razor: más simple!
Preferir la
hipótesis más simple
que sea
consistente con los datos
© Dr. Leonardo Garrido
Aprendizaje Inductivo

15. Aristóteles
La naturaleza opera
en el camino más corto posible
© Dr. Leonardo Garrido
Aprendizaje Inductivo

16. Isaac Newton
Tenemos que admitir que las causas
de los fenómenos naturales no son más
que aquellas que son tanto
verdaderas como suficientes para explicarlas
© Dr. Leonardo Garrido
Aprendizaje Inductivo

17. Albert Einstein
Las teorías deben ser
tan simples como sean posibles,
pero no más simples!
© Dr. Leonardo Garrido
Aprendizaje Inductivo

18. Conclusiones
! Deducción e Inducción son procesos diferentes.
! La deducción está relacionado con el razonamiento.
! La inducción tiene más relación con la
generalización y el aprendizaje.
! El proceso de inducción es la búsqueda de la
hipótesis que generalice mejor a partir de los
ejemplos dados.
! Para decidir cuál es la mejor hipótesis muchas veces
el criterio del “Razor de Ocham” es la mejor
alternativa.
© Dr. Leonardo Garrido
Aprendizaje Automático