Conferencia impartida en la Artificial Intelligence Conference, donde se compartieron experiencias sobre el Machine Learning, su definición, los tipos de aprendizaje, algunas aplicaciones y el uso de BigML.

1. Introducción al Machine
Learning con BigML
M.Sc. Aldo Ramiro Valdez Alvarado
Marzo de 2017

2. Artificial Intelligence y Machine Learning
Algunas definiciones….
Tipos de Machine Learning
Técnicas y Algoritmos
Aplicaciones
Pasos usados en el Machine Learning
BigML
Aplicando BigML
Índice
1
2
3
4
5
6
7
8

3. Artificial Intelligence y
Machine Learning
1

4. La Inteligencia Artificial es la ciencia de
construir máquinas que…
… piensen
como humanos
… actúen como
humanos
… piensen
racionalmente
… actúen
racionalmente

6. En 1959, el científico de la
IBM Arthur Samuel escribió
un programa para jugar
damas, para mejorarlo hizo
que el programa jugara
consigo mismo miles de
veces, el programa era capaz
de mejorar su rendimiento a
través de la experiencia, el
programa aprendió y nació el
Machine Learning.

7. Algunas definiciones2

8. El aprendizaje automático o
Machine Learning es un
método científico que nos
permite usar los ordenadores
y otros dispositivos con
capacidad computacional
para que aprendan a extraer
los patrones y relaciones
que hay en nuestros datos
por sí solos. Esos patrones
se pueden usar luego para
predecir comportamientos
y en la toma de decisiones.

9. El Aprendizaje Automático es un campo en la
Inteligencia Artificial, donde las máquinas
pueden "aprender" de sí mismas, sin ser
explícitamente programadas por los seres
humanos. Analizando datos pasados llamados
"datos de entrenamiento", el modelo de
Aprendizaje Automático forma patrones y usa
estos patrones para aprender y hacer
predicciones futuras.

10. Tipos de Machine
Learning
3

11. Aprendizaje
Supervisado
• Modelos
Predictivos.
• La máquina
aprende
explícitamente.
• Predice el futuro
a partir de datos
históricos.
• Resuelve
problemas de
clasificación y
regresión.
Aprendizaje No
Supervisado
• Modelos
Descriptivos.
• La máquina
entiende los
datos.
• La evaluación es
cualitativa o
indirecta.
• No realiza
predicciones,
encuentra algo
específico.
Aprendizaje
Reforzado
• Un enfoque de la
IA
• Aprendizaje
basado en los
hallazgos.
• La máquina
aprende a como
actuar en un
determinado
entorno.
• Maximiza los
hallazgos.

12. Técnicas y Algoritmos4

13. Técnicas
Machine
Learning
Clasificac
ión
Regresió
n
Clusterin
g
Sistemas
de
Recomen
dación
Detecció
n de
anomalía
s
Reducció
n de
Dimensio
nalidad

14. Clasificación
• Sobre la base de datos de entrenamiento que tienen
observaciones con categorías conocidas, la clasificación
predice la categoría a la que pertenece una nueva
observación.
Regresión • Predecir un valor de un conjunto de datos continuos
Clustering o
Agrupamiento
• Asignación de un conjunto de observaciones en subconjuntos
(es decir, clusters) de tal forma que las observaciones en el
mismo grupo son similares en algún sentido.
Sistemas de
Recomendación
• Utiliza algoritmos de ML para ayudar a los usuarios a
encontrar nuevos productos/servicios basados en datos del
usuario o del producto/servicio.
Detección de
anomalías
• Identificar observaciones que no se ajustan a un patrón
esperado u otros elementos en un conjunto de datos.
Reducción de
Dimensionalidad
• El proceso de reducir el número de variables aleatorias
consideradas para obtener un conjunto de variables que sean
significativas

15. Linear Regression
Logistic Regression
Support Vector Machines
Decision Trees
Random Forest
Artificial Neural Networks
K-Means Clustering
K-Nearest Neighbour
Naive Bayes Classifier
Ensemble Learning ALGORITMOS

16. Aplicaciones5

17. • Servicios Bancarios y Financieros. El ML puede usarse
para predecir los clientes que probablemente no pagarán los
préstamos o las facturas de tarjetas de crédito.
• Asistencia sanitaria. Se utiliza para diagnosticar
enfermedades mortales (por ejemplo, cáncer) basadas en los
síntomas de los pacientes y su recuento con los datos
anteriores de tipo similar de pacientes.
• Venta al por menor. Se utiliza para identificar los productos
que venden con mayor frecuencia (movimiento rápido) y los
productos de movimiento lento que ayudan a los minoristas a
decidir qué tipo de productos para introducir o retirar de la
plataforma.

19. Pasos usados en el
Machine Learning
6

20. Recolectar
Datos
Preparar
los datos
Entrenar un
modelo
Evaluar el
modelo
Mejorar el
rendimiento

21. BigML7

22. BigML es una plataforma de aprendizaje
automático que es consumible,
programable y escalable, que facilita la
solución y automatización de las tareas
de Clasificación, Regresión, Análisis de
Clusters, Detección de Anomalías,
Descubrimiento de Asociación y Temas
de Modelamiento. BigML está ayudando
a resolver las tareas de Aprendizaje
Automático "de extremo a extremo",
transformando los datos en modelos
ejecutables que se utilizan como
servicios remotos o, localmente, se
incrustan en aplicaciones para hacer
predicciones.

23. Aplicando BigML8

24. Lo que la sociedad piensa
que hago
Lo que mis amigos
piensan que hago
Lo que mis familiares
piensan que hago
Lo que otros programadores
piensan que hago
Lo que yo pienso que
hago
Lo que realmente hago

25. Aldo Ramiro Valdez Alvarado
Licenciado en Informática
Máster en Dirección Estrategica en Tecnologías de la Información
Máster(c) en Business Intelligence y Big Data
Docente Titular de Pregrado en la UMSA
Docente de Postgrado en la UMSA y otras Universidades
Coordinador del Postgrado en Informática UMSA
Conferencista Nacional e Internacional
http://aldovaldezalvarado.blogspot.com/
https://www.linkedin.com/in/msc-aldo-valdez-alvarado-17464820
aldo_valdez@hotmail.com