Este documento explica qué es el machine learning. Se define como aprendizaje automático donde los sistemas aprenden de los datos sin programación explícita para descubrir patrones ocultos y tomar decisiones basadas en los datos. Se comparan los enfoques de programación tradicional y machine learning y se proporcionan ejemplos de aplicaciones como detección de fraude, recomendaciones y análisis de sentimientos en redes sociales. Finalmente, se describen las principales categorías de machine learning como clasificación, regresión, segmentación y asociación así como

1. MACHINE LEARNING
1
Cristopher Rodríguez
Villalobos

2. ¿Qué es Machine
Learning?
2

3. MACHINE LEARNING ES
APRENDIZAJE
AUTOMÁTICO
3
• Aprender de los datos
• No programación
explícita
• Descubrimiento de
patrones ocultos
• Toma de decisiones
basada en los datos

4. 4
Programación tradicional VS Machine Learning
Datos
Programa
Datos
Resultado
Computadora
Computadora
Resultado
Programa
Machine Learning
Programación tradicional

5. 5
Programación tradicional VS Machine Learning
Un ejemplo:
el SPAM

6. MULTIDISCIPLIN
AR
6

7. 7
Ejemplo de aplicación
Detección de fraude en tarjetas de crédito

8. 8
Ejemplo de aplicación
Recomendaciones de compra

9. OTROS
EJEMPLOS
DE
APLICACIÓ
N
9
Anuncios orientados en aplicaciones
móviles
Análisis de sentimiento en las redes
sociales
Monitorización climática para detectar
patrones estacionales
Detección de patrones en la lucha
contra el crimen
Aplicación en sanidad

10. PRINCIPALES CATEGORÍAS DE ML
10
CLASIFICACIÓN REGRESIÓN SEGMENTACIÓN
(CLUSTERING)
ASOCIACIÓN

11. 11
Clasificación
Soleado
Ventoso
Lluvioso
Nublado
Objetivo: Predecir una categoría

12. OTROS
EJEMPLOS
DE
CLASIFICACI
ÓN
12
PROPENSIÓN DE COMPRA CLASIFICACIÓN DE UN
TUMOR COMO BENIGNOS
O MALIGNOS (BINARIA)
DETERMINACIÓN DE
RIESGO (ALTO, MEDIO,
BAJO) PARA UNA
SOLICITUD DE PRÉSTAMO.
SENTIMIENTO EN LAS
REDES SOCIALES COMO
POSITIVO, NEGATIVO O
NEUTRO

13. 13
Regresión
Objetivo: Predecir un valor numérico

14. OTROS
EJEMPLOS
DE
REGRESIÓ
N
14
Pronóstico de
ventas
Valor de
cliente a
futuro
Predecir
cantidad de
lluvia
Predecir el
patrón de
compras de
nuestros
clientes.

15. © COPYRIGHT VIEWNEXT 201615
Segmentación (Clustering)
Objetivo: Organizar en grupos homogéneos
Alto valor
Valor
Medio
Poco valor

16. OTROS
EJEMPLOS
DE
SEGMENTACI
ÓN
16
Identificar áreas de
similar topografía
Buscar tipologías de
clientes

17. 17
Asociación
Objetivo: Identificación de eventos que
ocurren juntos o en secuencia

18. OTROS EJEMPLOS DE ASOCIACIÓN
18
RECOMENDACIONES DE COMPRA BASADO
EN HISTORIAL DE COMPRAS Y NAVEGACIÓN
VENTA DE ARTÍCULOS QUE SE SUELEN
VENDER JUNTOS.

19. 19
Clasificación
Regresión
Segmentación
Asociación
Supervisado
Target
No Supervisado
Sin Target
Aprendizaje supervisado y no supervisado

20. 20
Aplicaciones
Tipologías de problemas