El ser humano actúa en base a sus experiencias mientras que las máquinas dan resultados porque siguen instrucciones, pero ¿podría una máquina aprender con la experiencia o los datos? ¡Sígueme en FACEBOOK! https://facebook.com/epicalsoft.co https://facebook.com/malexandersalazar REFERENCIAS Youtube https://youtu.be/YUoP5Te5wBk Blogger http://epicalsoft.blogspot.com/2018/08/azure-machine-learning-que-es-machine.html ENLACES DE INTERES Algoritmos de Microsoft Azure ML Studio https://docs.microsoft.com/es-es/azure/machine-learning/studio/algorithm-cheat-sheet AI Related Fields https://course.elementsofai.com/1/2 Risto Siilasmaa on Machine Learning https://www.youtube.com/watch?v=KNMy7NCQDgk A Friendly Introduction to Machine Learning https://www.youtube.com/watch?v=IpGxLWOIZy4 #AI #AzureMachineLearning

2. HUMANOS VS MÁQUINAS
EXPERIENCIA INSTRUCCIONES
¿DATOS?

3. ¿QUÉ ES
MACHINE
LEARNING?

4. MACHINE LEARNING (ML)
IA ML
CIENCIAS DE LA
COMPUTACIÓN
CIENCIA DE
DATOS

5. “EL ML ES UNA RAMA DE LA INTELIGENCIA ARTIFICIAL QUE PERMITE EL
DESARROLLO DE SISTEMAS QUE APRENDEN Y MEJORAN SU RENDIMIENTO POR
MEDIO DE LA CONSTRUCCIÓN DE MODELOS PREDICTIVOS QUE SINTETIZAN
LOS PATRONES Y VARIABLES DENTRO DE UN CONJUNTO DE DATOS Y ES UN
SUBCAMPO DE LA CIENCIA COMPUTACIONAL QUE SE ENCARGA DEL
DESARROLLO DE TÉCNICAS DE APRENDIZAJE COMPUTACIONAL.”

6. DESARROLLO TRADICIONAL VS ML
COMPUTADOR
COMPUTADOR
DATOS
PROGRAMA
DATOS
RESULTADO
RESULTADO
PROGRAMA

7. TIPOS DE APRENDIZAJE
SUPERVISADO NO SUPERVISADO
• PREDECIR O CLASIFICAR UN DATO
• LOS DATOS DE ENTRENAMIENTO
ESTAN ETIQUETADOS Y DEBEN
TENER EL VALOR QUE SE BUSCA
PREDECIR O CLASIFICAR
• EL MODELO ENTRENADO PREDICE EL
VALOR SEGÚN NUEVOS DATOS
SEMISUPERVISADO
• AGRUPAR DATOS SIMILARES
• LOS DATOS NO TIENEN ETIQUETAS
SOBRE LOS GRUPOS A LOS QUE
PERTENECEN
• EL MODELO PROPORCIONA ACCESO
A LOS DATOS POR GRUPO

8. ¿CUÁL ES TU PROBLEMA?
REGRESIÓN CLASIFICACIÓN
AGRUPAMIENTO DETECCIÓN DE ANOMALÍAS

10. ETAPAS DEL PROCESO DE ML
ADMINISTRACIÓN
DE DATOS
CONSTRUCCIÓN DE
SOLUCIÓN
DESPLIGUE DE
SOLUCIÓN
CONTROL DE
ACCESO
MANTENIMIENTO

11. RECOMENDACIONES
1. LOS PRIMEROS PASOS SON LOS MÁS IMPORTANTES: CADA PASO
DEPENDE DE LOS PASOS ANTERIORES
2. ESPERE IR HACIA ATRÁS: CONOCIMIENTO POSTERIORES AFECTAN PASOS
PREVIOS
3. LOS DATOS NUNCA SON COMO LOS NECESITAS: LOS DATOS TENDRÁN QUE
SER ALTERADOS
4. MÁS DATOS ES MEJOR: MÁS DATOS MEJORES RESULTADOS
5. NO APRESURE UNA MALA SOLUCIÓN: REEVALUA, ARREGLA O DÉJA
6. PIENSE ANTES DE ACTUAR: COMPRENDA LOS RESULTADOS ANTES DE
CAMBIAR LOS DATOS O EL MODELO

12. HECHO POR MOISÉS ALEXANDER SALAZAR VILA
¡REFERENCIAS Y MÁS EN LA DESCRIPCIÓN!
¡SUSCRÍBETE
AQUÍ!
https://malexandersalazar.azurewebsites.net