UNIVERSIDAD NACIONAL DE COLOMBIA

Mtodos de Investigacin Ingeniera de Sistemas

Ana Ma. Zrate Rodrguez Cd. 257369

TEMA DE INVESTIGACIN: MACHINE LEARNING

Qu se entiende por Machine Learning?

Tambin conocido en espaol como Aprendizaje Automtico, se refiere a una rama de

la Inteligencia Artificial cuyos esfuerzos se centran en desarrollar algoritmos y tcnicas
que permitan a las computadoras aprender por s solas conforme vallan adquiriendo
experiencia como lo hace el hombre. De forma ms precisa, lo que se intenta es crear
programas capaces de generalizar comportamientos a partir de una informacin no
estructurada suministrada en forma de ejemplos.
As, se pretende que las mquinas realicen actividades comunes para el hombre de
manera rpida y eficaz, y que estas tareas se incrementen; que no slo sea un proceso
sino varios. Aunque se ha avanzado en este campo, todava existen dificultades a
solucionar como lo son implementar mecanismos para que las mquinas vayan
mejorando sus tareas conforme adquieren experiencia y que no necesiten supervisin.

En general hay dos tipos de aprendizaje: inductivo y deductivo. Los mtodos de

aprendizaje automtico inductivos crean programas de computador al extraer patrones
de un conjunto masivo de datos. Debe notarse que a pesar de que la identificacin es
importante para el campo del Aprendizaje Automtico, si no se tienen unas reglas de
extraccin el proceso se puede ubicar en el campo de la minera de datos.

El Aprendizaje Automtico puede encontrarse en parte ligado a la Estadstica ya que

ambos estn basados en el anlisis de datos y tambin porque a muchos de sus
algoritmos se les han encontrado sus homlogos directos en la Estadstica. Sin embargo,
el Aprendizaje Automtico se centra ms en el estudio de la Complejidad
Computacional de los problemas y como resolverlos eficientemente.

Entre el campo de aplicacin del Aprendizaje Automtico se encuentran los motores de

bsqueda, diagnsticos mdicos, bioinformtica, deteccin de fraude en el uso de
tarjetas de crdito, anlisis del mercado de valores, clasificacin de secuencias de ADN,
reconocimiento del habla y del lenguaje escrito, reconocimiento de objetos en Visin
Artificial (Computer Vision), juegos y robtica.

Algunas Temticas de Machine Learning

Modelado de funciones de densidad de probabilidad condicionadas:
clasificacin y regresin
- Redes neuronales artificiales
- rboles de decisin
- Regresin en procesos Gaussianos
- Anlisis de discriminantes lineales
- k-vecinos ms prximos
- Mquinas de soporte vectorial (SMV)
Modelado de funciones de densidad de probabilidad mediante modelos
generativos
- Algoritmo EM
 - Modelos grficos, como las redes bayesianas y los campos aleatorios de
Markov
- Mapeado topogrfico generativo

Meta-Learning
- Boosting
- Weighted Majority Algorithm

Algunos Grupos de investigacin en Machine Learning

Machine Learning and Biological Computation Group > University of Bristol, UK

Statistical Multimedia Learning Group > University of British Columbia, Canad
Machine Learning > Cornell University, USA
Machine Learning and Natural Language Processing > University of Freiburg,
Freiburg, Alemania
Machine Learning Group > Universit Libre de Bruxelles, Blgica
Machine Learning and Data Mining in Bioinformatics Group > TU Mnchen,
Alemania
Machine Learning Group > University of Toronto, Canad
Machine Learning: Probabilistic and Statistical Inference Group > University of
Toronto, Canad
Machine Learning > The Iowa State University Artificial Intelligence Research
Laboratory, USA
Intelligent Data Analysis Group > Fraunhofer FIRST, Berlin, Germany
Alberta Ingenuity Centre for Machine Learning > University of Alberta, Canad

LISI (Laboratorio de Investigacin en Sistemas Inteligentes) UNAL

En 2004 se realiz un evento sobre Machine Learning donde se trataron temas como
rboles de Decisin, Redes Neuronales, Teora de Aprendizaje Estadstico, Support
Vector Machines (SMV), Aprendizaje Semisupervisado, Aplicaciones en Computacin
Grfica, Aprendizaje Bayesiano y Redes Bayesianas, entre otros.

Actualmente el LISI ofrece el curso Tpicos Avanzados en Inteligencia Artificial cuyo

objetivo es dar una visin amplia sobre las distintas reas de la Inteligencia Artificial en
las cuales se encuentra realizando proyectos de investigacin. El curso de divide en los
siguientes mdulos: Introduccin a los sistemas inteligentes, Sistemas Inmunes Artificiales,
Procesamiento Inteligente de Imgenes, Computacin Evolutiva y Vida Artificial,
Inteligencia de Negocios y Minera de Datos, Aprendizaje de Mquina, Minera Web y
Bioinformtica.

Dentro de la temtica de Machine Learning este grupo cuenta con un proyecto de

investigacin llamado Aprendizaje Computacional, Reconocimiento de Patrones y
Aplicaciones.