JavaScript es actualmente uno de los lenguajes de programación más populares. Su principal aplicación se encuentra en las aplicaciones web, utilizándose para dar funcionalidad a las páginas web dinámicas. Otro campo en el que está tomando fuerza es para la creación de aplicaciones móviles. Siendo el lenguaje utilizado en diferentes plataformas de desarrollo híbrido como es el … [Leer más...] acerca de 10 librerías para machine learning en JavaScript
Machine learning
Machine Learning (Aprendizaje Automático o Aprendizaje Máquina) es la rama de la inteligencia artificial que estudia cómo construir sistemas que puedan aprender automáticamente de la experiencia. Esto es, sistemas que puedan realizar mejores predicciones o tomar mejores decisiones a medida que aumenta su experiencia.
Los algoritmos de Machine Learning se dividen en tres categorías en función de los datos utilizados: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. En aprendizaje supervisado se utilizan conjuntos de datos, durante el proceso de entrenamiento, en los que se conoce el valor que debe reproducir el modelo. Pudiéndose medir el desempeño de los modelos en base a lo bien que reproduce posteriormente estos valores en otros conjuntos de datos. Tal como se puede intuir del nombre, en el caso de aprendizaje no supervisado, no se busca que los modelos reproducen un valor concreto. Siendo el objetivo de estos modelos identificar patrones que permitan separar y clasificar los datos en diferentes grupos. Por otro lado, en aprendizaje por refuerzo se busca la creación de agentes que pueden realizar acciones sobre un entorno. Siendo este un aprendizaje completamente diferente a los dos anteriores.
Reglas de asociación y market-basket analysis
Las reglas de asociación permiten encontrar patrones comunes en los elementos de grandes conjuntos de datos. Una de las principales aplicaciones de esta técnica es el análisis de la cesta de la compra (market-basket analysis). Mediante el cual se pude identificar los productos que se compra de forma conjunta en una tienda.Uno de los ejemplos más citado sobre los resultados … [Leer más...] acerca de Reglas de asociación y market-basket analysis
¿Qué es el Aprendizaje Profundo o Deep Learning?
El aprendizaje profundo (“Deep Learning”) es un área aprendizaje automático en que se estudian las redes neuronales profundas. Como se ha explicado en una entrada anterior el aprendizaje automático es a su vez un área de la inteligencia artificial. Por lo que los algoritmos de aprendizaje profundo solo a su vez algoritmos de inteligencia artificial. Historia de las redes … [Leer más...] acerca de ¿Qué es el Aprendizaje Profundo o Deep Learning?
Distancias y métricas en aprendizaje automático
En muchas técnicas de aprendizaje automático es necesario poder medir la separación entre los diferentes registros. Por ejemplo, en los métodos de análisis de clúster es necesario para obtener un grado de similitud entre los registros. La forma de hacer esto es utilizando las distancias. Asumiendo de esta forma que los datos son puntos en un espacio de n … [Leer más...] acerca de Distancias y métricas en aprendizaje automático
¿Qué es el Aprendizaje Automático?
El Aprendizaje Automático es el área de la Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a los ordenadores aprender patrones a partir de conjuntos de datos sin la necesidad de programar estos explícitamente. Introducción al aprendizaje automático La utilización del aprendizaje automático representa un cambio frente al desarrollo clásico de … [Leer más...] acerca de ¿Qué es el Aprendizaje Automático?
Seis aplicaciones del Aprendizaje Automático en la Industria 4.0.
El termino Industria 4.0, o cuarta revolución industrial, hace referencia a la introducción de las tecnologías de la información en las fabricas. Siendo este el termino que se suele emplear para hacer referencia a la transformación digital dentro de la industria. Es un termino amplio que hace referencia a la utilización de sistemas ciberfísicos, Internet de las cosas (IoT), … [Leer más...] acerca de Seis aplicaciones del Aprendizaje Automático en la Industria 4.0.
Tipos de análisis en minería de datos
En una entrada anterior se ha visto qué es la minería de datos y para que se utiliza. En esta entrada se van a estudiar los posibles tipos de análisis en minería de datos. Posibles análisis en minería de datos En minería de datos se pueden realizar diferentes tipos de análisis, los cuales se pueden clasificar en base a su complejidad. Estos básicamente se pueden dividir en … [Leer más...] acerca de Tipos de análisis en minería de datos
El proceso de la minería de datos
La minería de datos hace referencia a los análisis utilizados para la identificación de patrones desconocidos en grandes conjuntos de datos. Pudiendo ser los análisis tanto automáticos como semiautomáticos. Para poder implementar los análisis de la minería de datos es necesario conocer diferentes técnicas procedentes de áreas tales como la gestión de bases de datos, la … [Leer más...] acerca de El proceso de la minería de datos
La regresión logística
El algoritmo de regresión logística es uno de los más utilizados actualmente en aprendizaje automático. Siendo su principal aplicación los problemas de clasificación binaria. Es un algoritmo simple en el que se pueden interpretar fácilmente los resultados obtenidos e identificar por qué se obtiene un resultado u otro. A pesar de su simplicidad funciona realmente bien en muchas … [Leer más...] acerca de La regresión logística
Aprendizaje supervisado y aprendizaje no supervisado
Los modelos de aprendizaje automático se pueden dividir en dos grandes familias: aprendizaje supervisado y aprendizaje no supervisado. La principal diferencia entre estas dos familias se encuentra en los datos de entrenamiento. En el aprendizaje supervisado los resultados que se desean obtener del modelo son conocidos previamente. Siendo utilizados para guiar su entrenamiento. … [Leer más...] acerca de Aprendizaje supervisado y aprendizaje no supervisado
El problema de desequilibrio de clases en conjuntos de datos de entrenamiento
Al enfrentarse a la situación de crear un modelo de clasificación es habitual que las clases no se encuentran balanceadas. Esto es, el número de registros para una de las clases es inferior al resto. Cuando el desequilibrio es pequeño, uno a dos, esto no supone un problema, pero cuando es grande es un problema para la mayoría de los modelos de clasificación. Esta situación se … [Leer más...] acerca de El problema de desequilibrio de clases en conjuntos de datos de entrenamiento
Implementación de una red neuronal desde cero
En esta entrada se va a implementar una red neuronal desde cero, sin utilizar librerías como Theano (http://deeplearning.net/software/theano/) o TensorFlow (https://www.tensorflow.org). La finalidad de este ejercicio poder comprender mejor cómo funcionan las redes neuronales antes de implementar soluciones más complejas mediante alguna librerías.Fundamentos de la … [Leer más...] acerca de Implementación de una red neuronal desde cero