Escolar Documentos
Profissional Documentos
Cultura Documentos
MACHINE LEARNING
INTEGRANTES:
DOCENTE:
NARCISA CRESPO
MATERIA:
PERIODO ACADEMICO:
SEPTIEMBRE-MARZO 2018
Trabajo en Clases
Machine Learning
informacin suministrada en forma de ejemplos. Es, por lo tanto, un proceso de induccin del
por lo que gran parte de la investigacin realizada en aprendizaje automtico est enfocada al
diseo de soluciones factibles a esos problemas. El aprendizaje automtico puede ser visto
como un intento de automatizar algunas partes del mtodo cientfico mediante mtodos
matemticos.
del mercado de valores, clasificacin de secuencias de ADN, reconocimiento del habla y del
noticias empezar a mostrar ms actividad de ese amigo antes en el feed. Detrs del teln, el
software simplemente utiliza anlisis estadstico y anlisis predictivo para identificar patrones
en los datos del usuario, y utilizar patrones para rellenar el feed de noticias. En caso de que el
miembro ya no detenga para leer, gustar o comentar sobre los mensajes del amigo, esos nuevos
Aprendizaje supervisado
El algoritmo produce una funcin que establece una correspondencia entre las entradas y
las salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema
vectores utilizando una entre varias categoras (clases). La base de conocimiento del sistema
est formada por ejemplos de etiquetados anteriores. Este tipo de aprendizaje puede llegar a
computacional y bioinformtica.
Aprendizaje no supervisado
Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan
slo por entradas al sistema. No se tiene informacin sobre las categoras de esos ejemplos.
Por lo tanto, en este caso, el sistema tiene que ser capaz de reconocer patrones para poder
Este tipo de algoritmos combinan los dos algoritmos anteriores para poder clasificar de
el feedback o retroalimentacin que obtiene del mundo exterior como respuesta a sus
Transduccin
Trata de predecir las categoras de los futuros ejemplos basndose en los ejemplos de entrada,
Aprendizaje multi-tarea
clasificacin Muy asociado a nuestra forma de proceder Uno de los primeros desarrollos en
ML.
Reglas de asociacin
Los algoritmos genticos son procesos de bsqueda heurstica que simulan la seleccin
natural. Usan mtodos tales como la mutacin y el cruzamiento para generar nuevas clases
que puedan ofrecer una buena solucin a un problema dado.
Redes neuronales artificiales
Las MVS son una serie de mtodos de aprendizaje supervisado usados para clasificacin y
regresin. Los algoritmos de MVS usan un conjunto de ejemplos de entrenamiento
clasificado en dos categoras para construir un modelo que prediga si un nuevo ejemplo
pertenece a una u otra de dichas categoras.
Algoritmos de agrupamiento
Una red bayesiana, red de creencia o modelo acclico dirigido es un modelo probabilstico
que representa una serie de variables de azar y sus independencias condicionales a travs de
un grafo acclico dirigido. Una red bayesiana puede representar, por ejemplo, las relaciones
probabilsticas entre enfermedades y sntomas. Dados ciertos sntomas, la red puede usarse
para calcular las probabilidades de que ciertas enfermedades estn presentes en un
organismo. Hay algoritmos eficientes que infieren y aprenden usando este tipo de
representacin.
http://www.ciudadblogger.com/2011/04/que-es-un-feed.html
http://searchdatacenter.techtarget.com/es/definicion/Aprendizaje-automatico-machine-
learning
http://www.monografias.com/trabajos108/metodos-actuales-machine-learning/metodos-
actuales-machine-learning.shtml