Antes de proceder a escribir la respuesta, si yo fuera usted, estaría inclinado a realizar una simple búsqueda en Google, ya que es más probable que obtenga información más elaborada allí que aquí.
Así que aquí va, el aprendizaje automático en términos simples es la capacidad del programa para aprender patrones sin mucha intervención humana . Dichos programas se denominan algoritmos de aprendizaje automático. Estos algoritmos se pueden clasificar principalmente en 3 categorías en función de cómo aprenden los patrones:
- Aprendizaje supervisado.
- Aprendizaje sin supervisión.
- Aprendizaje semi-supervisado o reforzado.
Algoritmos supervisados : estos algoritmos están diseñados para tomar datos y sus etiquetas como entrada y aprender el clasificador y luego predecir la etiqueta para los datos no etiquetados. Ex. k-Nearest Neighbour, Random Forest, Support Vector Machine (SVM), Neural Network, Bayesian Models.
- ¿Cuánta potencia informática se necesitaría para simular un cuerpo humano a funciones celulares individuales?
- Mi teléfono se cayó y todo funciona bien, pero mi tarjeta SD, que no está rota, no funcionará. ¿Cómo puedo recuperar mis datos?
- Autómatas finitos deterministas: intersección y unión. ¿Cómo uso la construcción del producto?
- ¿Qué es la red T1 / E1?
- ¿Cómo pueden las películas y los juegos revisar los beneficios del sitio web del aprendizaje automático?
Algoritmos no supervisados : estos algoritmos aprenden por sí mismos el grupo de datos dada la entrada. Ex. Expectativa Maximización.
Algoritmos de aprendizaje reforzado : se pueden definir de la siguiente manera: “difiere del aprendizaje supervisado estándar en que los pares de entrada / salida correctos nunca se presentan, ni las acciones subóptimas se corrigen explícitamente. En cambio, la atención se centra en el rendimiento en línea, lo que implica encontrar un equilibrio entre la exploración (del territorio desconocido) y la explotación (del conocimiento actual). ”[1] [2] Ej. Proceso de decisión de Markov.
Una lista completa de algoritmos se puede encontrar aquí.
Notas al pie
[1] https://www.cs.cmu.edu/~tom/1070…
[2] Aprendizaje de refuerzo – Wikipedia