Resistor | 02 agosto 2017


“Aprendizaje automático” (Machine Learning )

¿Qué serán capaces de aprender las máquinas?

Un sistema operativo puede aprender sobre nuestros comportamientos, por ejemplo al navegar por Internet, o sobre las actividades que realizamos  en nuestras computadoras, nuestros dispositivos saben a que hora nos despertamos, cuanta distancia caminamos al día o simplemente que fotos nos tomamos, todo esto es campo fértil para que los sistemas aprendan de nosotros.

¿Qué le estamos enseñando a esa gran inteligencia que quizá esté pronta a cobrar conciencia de sí misma.?

El aprendizaje automático o el machine learning es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender.

Se trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos.

Es un proceso de inducción del conocimiento.

SE centra en el estudio de la complejidad computacional de los problemas. La investigación realizada en aprendizaje automático está enfocada al diseño de soluciones factibles a esos problemas. Puede ser visto como un intento de automatizar algunas partes del método científico mediante métodos matemáticos.

Algunas aplicaciones del Machine Learning son motores de búsqueda, diagnósticos médicos, detección de fraudes, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y el lenguaje escrito, juegos y robótica. Y tiende a ser a través de diferentes modelos para resolver tareas: modelos geométricos, probabilísticos y lógicos.

A través de algoritmos, reglas, mapas y observaciones, llegan a una conclusión sobre el valor final de un objeto.

Una máquina que aprende, puede recibir 3 tipos de conocimiento:

Crecimiento: Guarda la información en la memoria como si dejara huella.

Reestructuración: Genera nuevos conocimientos al reinterpretar los conocimientos de un individuo.

Ajuste: Genera sus propios conceptos cuando generalizar varios otros.

Este tipo de aprendizaje es más que una necesidad, es un factor para satisfacer las necesidades de la inteligencia artificial.

 

INVITADO:
Dr. Mario Graff Guerrero
Miembro del Sistema Nacional de Investigadores.
Catedrático del Consejo Nacional de Ciencia y Tecnología comisionado a INFOTEC, en la sede Aguascalientes.
La investigación del Dr. Graff tiene como objetivo desarrollar, analizar y proponer algoritmos capaces de aprender y predecir en grandes cúmulos de información en problemas de clasificación y regresión simbólica.
Sus líneas de investigación son computación evolutiva, programación genética, teoría de algoritmos evolutivos y aplicación de cómputo evolutivo en problemas de aprendizaje supervisado.

 

Síguenos en nuestras Redes sociales

Sitio: Resistencia Modulada

Twitter:@Rmodulada

FB:Resistencia Modulada

Teléfono en Cabina: 5523 5412 / 5523 7682

Hashtag: #Resistor

Conductores:

Alberto Candiani

Twitter: @mindframe3d

Facebook: mindframe

Eloisa Gómez

COMPARTIR
Play Cover Track Title
Track Authors