La preparación de los datos es una parte clave del éxito de los modelos de aprendizaje automático o Machine Learning. Siendo una parte fundamental del trabajo para garantizar que los modelos puedan aprender de manera efectiva y eficiente. Una de las técnicas más sencillas y utilizadas durante la fase de preparación de los datos es la normalización de datos. En esta entrada, se … [Leer más...] acerca de Normalización de datos: Maximizando el rendimiento de los modelos de Aprendizaje Automático
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.
One-Class SVM: Detección de anomalías con máquinas de vector soporte
La detección de anomalías es una de las aplicaciones del aprendizaje no supervisado más utilizadas. Siendo una técnica que se emplea en casos tan diferentes como la detección de ataques cibernéticos, la detección de problemas de salud o la identificación de aplicaciones fraudulentas en servicios financieros o seguros. En todos los casos, identificar anomalías requiere localizar … [Leer más...] acerca de One-Class SVM: Detección de anomalías con máquinas de vector soporte
Isolation Forest: Detectando Anomalías con Eficacia
La detección de anomalías es uno de los desafíos más intrigantes del aprendizaje automático. Ya sea en el campo de la seguridad informática, la detección de fraudes financieros o en tareas de mantenimiento predictivo, identificar valores anómalos dentro de grandes conjuntos de datos es clave para evitar problemas en las operaciones. En esta entrada se explicará el algoritmo de … [Leer más...] acerca de Isolation Forest: Detectando Anomalías con Eficacia
Resumir PDF con Python y OpenAI
Actualmente, los documentos PDF son una parte fundamental para el intercambio de información. Siendo un formato omnipresente. Es normal encontrarse con ellos en una amplia gama de contextos como los informes empresariales, los documentos académicos y la publicación de normativa. Por ello es habitual encontrarse con la necesidad de extraer la información relevante de miles de … [Leer más...] acerca de Resumir PDF con Python y OpenAI
Selección del valor óptimo de K en SelecKBest de scikit-learn
Para poder entrenar un modelo de aprendizaje automático de forma correcta es necesario seleccionar las características. Un proceso clave para mejorar el rendimiento de los modelos. En Python, uno de los posibles métodos para ello es SelectKBest (o su equivalente SelectPercentile). Una de las herramientas de selección de características que se encuentran disponibles en … [Leer más...] acerca de Selección del valor óptimo de K en SelecKBest de scikit-learn
Seleccionar el tipo de aprendizaje para un problema de Machine Learning
En Aprendizaje Automático o Machine Learning seleccionar el tipo de aprendizaje a usar en cada proyecto es una tarea clave para garantizar el éxito de este. Escogiendo el que sea más adecuado entre aprendizaje supervisado, no supervisado o por refuerzo. Dado que cada uno tiene características propias, haciéndolo adecuados o no para diferentes aplicaciones, seleccionar un modelo … [Leer más...] acerca de Seleccionar el tipo de aprendizaje para un problema de Machine Learning
Entendiendo la diferencia entre votación hard y votación soft en aprendizaje automático
La precisión y la robustez de los modelos es una de las características por la que los modelos de Aprendizaje Automático son tan útiles en una variedad de problemas. Una de las técnicas para mejorar estas características en los modelos es el Aprendizaje por Conjuntos (Ensemble Learning). En este tipo de aprendizaje se entrenan diferentes modelos y las predicciones se obtienen … [Leer más...] acerca de Entendiendo la diferencia entre votación hard y votación soft en aprendizaje automático
Ordenadores para Machine Learning en 2024
El año pasado escribí un análisis de equipos portátiles para Machine Learning y otro de Mini PC. Ambas han sido unas entradas muy bien recibidas en las que se analizaron las características clave que se debería analizar a la hora de comprar ordenadores para Machine Learning. A pesar de ello, son publicaciones que necesitan una revisión dada la rápida evolución de la tecnología. … [Leer más...] acerca de Ordenadores para Machine Learning en 2024
Transformación del desarrollo de software: El impacto de Modelos Grande de Lenguaje (LLM)
El año pasado hemos asistido a la explosión de los modelos de inteligencia artificial generativos con los que se puede crear automáticamente texto, sonidos, imágenes o, incluso, videos. Entre los que posiblemente han destacan los Modelos Grande de Lenguaje (LLM, por las siglas en inglés de Large Language Model) como son GTP-3 y GPT-4. Siendo uno de los casos de uso más … [Leer más...] acerca de Transformación del desarrollo de software: El impacto de Modelos Grande de Lenguaje (LLM)
Los desafíos éticos del uso del Machine Learning en la toma de decisiones
El Aprendizaje Automático (Machine Learning) está transformando la actividad humana en múltiples áreas. Afectando a la toma de decisiones, entre otros, en sectores como la banca, analizando el riesgo de crédito de las operaciones para seleccionar aquellas que viables y cuáles no, el retail, recomendando los productos que pueden ser de interés para los clientes, o el transporte, … [Leer más...] acerca de Los desafíos éticos del uso del Machine Learning en la toma de decisiones
¿Estamos cerca de la singularidad tecnológica?
La singularidad tecnológica se define como el momento en el que la inteligencia artificial (IA) superará a la inteligencia humana. Algo que, en el hipotético caso de que se llegue a producir en el futuro, daría lugar a cambios en la sociedad que son difíciles de predecir. El concepto de singularidad tecnológica es una idea sobre la que existe un debate en círculos científicos, … [Leer más...] acerca de ¿Estamos cerca de la singularidad tecnológica?
Cuatro aplicaciones de la Inteligencia Artificial en la Agricultura
La agricultura es un sector clave para garantizar la subsistencia de la civilización. Actualmente, la combinación del aumento de la población y el cambio climático hace que sea necesario mejorar la producción de alimentos de forma sostenible, para garantizar el suministro actual y futuro. Siendo la inteligencia artificial (IA) una herramienta indispensable para abordar estos … [Leer más...] acerca de Cuatro aplicaciones de la Inteligencia Artificial en la Agricultura