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
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.
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
El índice de Davies-Bouldinen para estimar los clústeres en k-means e implementación en Python
Uno de los mayores problemas a la hora de trabajar con el algoritmo de k-means es la necesidad de conocer el número de clústeres en los que se debe dividir el conjunto de datos. Para lo que existen diferentes métodos como el del codo, la Silhouette, Gap Statistics o Calinski-Harabasz. En esta ocasión se va a ver otro método bastante popular, el braseado en el índice de … [Leer más...] acerca de El índice de Davies-Bouldinen para estimar los clústeres en k-means e implementación en Python
Cuatro aplicaciones de la Inteligencia Artificial en Política
Aunque la política es una actividad puramente humana, el rápido avance de la inteligencia artificial (IA) también ha traído aplicaciones a esta área. Lo que ha dejado claro la IA es su capacidad para mejorar la eficiencia de los procesos, realizar análisis de datos sofisticados y ofrecer soluciones a problemas complejos. Necesidades que no escapan a la política. En este ensayo … [Leer más...] acerca de Cuatro aplicaciones de la Inteligencia Artificial en Política
Número óptimo de clústeres con Silhouette e implementación en Python
La Silhouette es una métrica que permite evaluar la calidad de los clústeres generados mediante algoritmos de clustering basados en la distancia euclídea. Como es el caso de k-means. Cuantificando la relación que existe entre la separación de los diferentes clústeres y la similitud entre los puntos de un mismo clúster en un valor que varía entre -1 y 1. Los valores cercanos a 1 … [Leer más...] acerca de Número óptimo de clústeres con Silhouette e implementación en Python
Cuatro aplicaciones de la Inteligencia Artificial en el Deporte
Es obvio que la inteligencia artificial (IA) ha experimentado un crecimiento exponencial en las últimas décadas. Abarcando sus casos de uso una amplia variedad de áreas. El deporte no es la excepción, y la IA se ha convertido en una herramienta clave en el ámbito deportivo, ayudando a mejorar el rendimiento de los deportistas, analizar el juego y ayudando en el desarrollo de … [Leer más...] acerca de Cuatro aplicaciones de la Inteligencia Artificial en el Deporte
Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python
Cuando se desea realizar análisis de clúster uno de los algoritmos más utilizados es k-means. Lo que se explica por los buenos resultados que suele ofrecer con la mayoría de los conjuntos de datos y su simplicidad. Pero tiene un problema, es necesario conocer el número de clústeres en los que se debe dividir el conjunto de datos. Por lo que existen diferentes métodos como el … [Leer más...] acerca de Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python