No he visto la charla de Pedro Domingo sobre los cinco paradigmas del aprendizaje automático. Dicho esto, el campo de la inteligencia artificial se puede dividir en muchas dimensiones diferentes. Una forma en que me gusta mirar el campo es el tipo de tareas que se abordan.
Construcción: creación de planes, estrategias o secuencias de acciones.
Agrupación – agrupando entidades en categorías. (formación de categoría)
- ¿Cuál es la diferencia entre extraer datos y comprimir datos?
- ¿Cuáles son los marcos de Big Data?
- Visualización de datos: ¿Qué paquete de código abierto puedo usar para crear una nube de temas (como The Economist)?
- ¿Quién ha tomado el campo de entrenamiento Thinkful Data Science? ¿Cómo fue la experiencia?
- Quiero aprender análisis avanzados en 1-2 meses. ¿A qué curso debo unirme para convertirme en un experto en análisis de datos?
Clasificación: selección de una categoría o acción basada en datos de entrada.
Cada una de estas tareas se puede realizar de muchas maneras. Por ejemplo, la clasificación se puede hacer usando razonamiento basado en casos, redes neuronales, lógica difusa, etc.
Existen tres métodos típicos para abordar cada una de las tareas anteriores:
Simbólico: escriba programas que manipulen literales y cadenas.
Subsimbólico: use redes neuronales o schamas de imágenes
Estadística: ejecute algoritmos en conjuntos de datos numéricos para encontrar probabilidades.
Puede obtener más información sobre estos enfoques al ver mi presentación:
Inteligencia artificial: ciencia e impacto (diapositivas)
El audio está disponible aquí:
Inteligencia Artificial: Ciencia e Impacto (Audio)
La mejor de las suertes.