Presentación de referencia para tener una mirada rápida de como el lenguaje de programación java puede ayudarnos a implementar la inteligencia artificial. Elaborado por Jose Luis Bugarin de CONSULTORJAVA.com
3. ¿Quién Soy?
• Jose Luis Bugarin - @jlbugarin
• Arquitecto de Integración APIs & Servicios
• Profesor y Coordinador de Inteligencia
Artificial
• Fundador de ILUMINATIC.com |
CONSULTORJAVA.com
• Otros Roles arquitecto-
empresarial/arquitecto-negocios/arquitecto-
software/supervisor-desarrollo-integracion
4. Resolver Problemas | Aprendizaje
Automático
Supervisado
Datos etiquetados que convertimos
en funciones
Detección de fraude de tarjetas de
crédito
No supervisado
Ideal para descubrir patrones
ocultos en los datos
Sistemas de recomendaciones
Por Refuerzo
Acciones especificas para pasar de
estados
Si el agente logra el estado, recibe
una recompensa.
Conducir un vehículo
5. Flujo de Trabajo Machine Learning
Datos y
Definición de
problema
Colección de
datos
Pre
procesamiento
de datos
Análisis de datos
y modelamiento
supervisado y
no supervisado
Evaluación
Fuente: machine learning in java de Bostjan Kaluza
¿Cuál es el
problema que
quieres resolver?
¿Por qué es
importante?
¿Qué datos te
ayudan a resolver el
problema?
¿Puedes recuperar
los datos de fuentes
existentes?
Primero, limpieza
de datos. Rellenar
valores, suavizar
datos ruidosos,
eliminar valores
atípicos, resolver
consistencias
Algoritmos de machine learning (supervisado y no
supervisado), inferencia estadística y predicción.
k-nearest neighbors, naïve Bayes,
decision tres, support vector
machines, logistic regression, k
means,
Evaluar
correctamente el
modelo y asegurar
que funcionara con
datos nuevos.