En primer lugar: el aprendizaje automático aprende características de los datos de entrenamiento. Eso es lo que hace. Es a partir de las características aprendidas que puede proponer una respuesta a un conjunto dado de entradas.
Ahora, puede distinguir entre aprendizaje supervisado, semi-supervisado y no supervisado, y esa es otra pregunta. Puede reformularlo si ese es el caso.
Quora en sí es un buen lugar para encontrar información sobre la clasificación de los modelos de aprendizaje automático. Pero hay muchos otros, como la sección Enfoques del aprendizaje automático y, por ejemplo, un libro no caro con una buena reseña que acabo de leer: Scala for Machine Learning: una revisión escrita por Thomas Henson (@henson_tm) | Gorjeo
- ¿El aprendizaje por refuerzo es el primer paso para la IA general?
- ¿Cuáles son las diferencias clave entre las redes neuronales artificiales y las neuronas reales del cerebro humano?
- ¿Tiene sentido relacionar la regresión polinómica y las redes neuronales? ¿Puedes hablar de sus diferencias y similitudes?
- ¿Cuál será el primer dispositivo en pasar la prueba de Turing?
- ¿Hay alguna relación entre las máquinas de Turing, la integridad de Godel y los teoremas de incompletitud?
Vaya a navegar por la web y sea específico en su búsqueda, con respecto a sus necesidades y sus dudas (es decir: necesita aprender los conceptos básicos, necesita aprender detalles específicos de clasificación y dudas sobre qué lenguaje de programación es mejor para tal esfuerzo, como Python, Java , R, The Julia Language, etc.-, dudas sobre los cursos en línea más conocidos -como Machine Learning – Stanford University | Coursera, por Andrew Ng-).
