Según la Universidad de Stanford, el aprendizaje automático es la ciencia de hacer que las computadoras actúen sin ser programadas explícitamente . Se puede expresar como un subcampo de Inteligencia Artificial. Los temas que pueden ser de interés para este subcampo son la computación cognitiva, incluido el reconocimiento de patrones, el reconocimiento del lenguaje natural y las redes neuronales.
La minería de datos implica analizar datos desde más de una perspectiva y encontrar información útil fuera de ella. Una organización empresarial puede utilizar la minería de datos para extraer información en función de la cual puede tomar la decisión de aumentar los ingresos, reducir los costos, descubrir el segmento de mercado adecuado y mucho más.
Recuperación de información Definiría recuperar datos útiles de la mina de datos o grandes conjuntos de datos per se. preservando la integridad de los datos. Las técnicas de búsqueda pueden ser indexación basada en contenido o búsqueda de texto completo. Para la recuperación de información, la precisión es lo más importante.
- ¿Cuáles son los beneficios de usar el Descenso de gradiente de mini lotes?
- ¿Cuáles son las aplicaciones más prometedoras de ML / AI en el cuidado de la salud, excluyendo la informática de imágenes?
- ¿Qué puedo hacer con un conjunto de datos de temperatura?
- ¿Hay alguna métrica de evaluación para chatbots?
- ¿Cuáles son los temas candentes del aprendizaje profundo para el análisis de imágenes médicas en 2017?
Por último, el objetivo de un científico de datos o ingeniero es desarrollar algoritmos que sean eficientes para los tres campos discutidos.
Gracias.
