Temario
Introducción a ML
Problemas
Métodos básicos
Evaluación de resultadosExtra:
Selección de inputs
Introducción
Qué es Machine Learning?
Introducción
Hay problemas en Informática que se pueden “definir” concretamente y son simples de convertir en un algoritmo
Ejemplo: Ordenar alfabéticamente una lista, calcular el balance de una cuenta.
Hay otros que son simples de “entender” pero muy difíciles de “definir” y convertir en algoritmo
Ejemplo: Detectar una sonrisa en una cara, interpretar un gesto del lápiz como una letra dada
El Aprendizaje Automatizado introduce métodos que pueden resolver esas tareas “aprendiendo” la solución a partir de ejemplos de como se realiza la misma
Problemas en ML
Clasificación
Regresión
Ranking-Retrieval
Detección de novedades
Clustering
Identificación de inputs relevantes
Etc, etc.
Clasificación
Problema:
Dado un objeto (conjunto de características medidas de alguna forma) asignarle una (o varias) etiqueta de un conjunto finito.
Ejemplo:
asignar un símbolo alfanumérico a una secuencia de movimientos del lápiz en la pantalla táctil
Asignar automáticamente una noticia a diferentes grupos de interés (una o más clases)
Regresión
Problema:
Dado un objeto asignarle un número real.
Ejemplo:
Predecir la relación euro-dolar de mañana.
Predecir niveles de stock/ventas a futuro.
Búsqueda y Ranking
Problema:
Dado un objeto, asignarle y ordenar las respuestas más probables dentro de una base de datos.
Ejemplo:
Buscadores en Internet
Sistemas de recomendación
Detección de novedades
Problema:
Detectar "outliers", objetos que son diferentes a los demás.
Ejemplo:
Alarmas de comportamiento en compras con tarjeta.
Detección de fallas en equipos críticos.
Clustering
Problema:
Detectar grupos de objetos que tienen características similares.
Ejemplo:
Segmentación de consumidores/clientes a partir de sus patrones de compra/búsqueda. Marketing "dirigido".
Detección de inputs relevantes
Problema:
Dado uno de los problemas anteriores (u otro) y sus datos, averiguar cuales de las variables son responsables de la solución.
Ejemplo:
El "nuevo método científico": tomar muestras sanas y con alguna enfermedad. Analizar miles de variables con un método automático (MALDI-TOF, DNA-microchips) y buscar cuales de las variables monitoreadas son relevantes al problema.
Página siguiente  |