El aprendizaje automático básicamente hace que su máquina aprenda de la información que tiene (conjuntos de datos). Theoridis dio un ejemplo muy hermoso en un libro que dice así:
Le das muchas fotos a un niño y le pides que te diga cuáles de estas fotos son de su madre y cuáles no, esto es aprendizaje supervisado. Aquí el niño sabe cómo se ve su madre, ahora su trabajo es decidir si la persona en la imagen se parece a su madre o no.
Ahora al mismo niño le das una bolsa que contiene diferentes objetos como bolas, varillas, cuadernos, etc. Ahora pídele que te diga cuáles de estos se parecen. Ahora mirando todos los elementos (conjunto de datos completo) clasifica estos elementos en muchos grupos (Agrupación) en la base de la forma (Criterios de agrupación). Este es un ejemplo clásico de aprendizaje no supervisado.
- ¿Cuál es el mejor lenguaje de programación para implementar algoritmos de aprendizaje automático?
- ¿Cuántas redes neuronales cubre el curso Coursera de Andrew Ng?
- En weka, ¿qué significan las cuatro opciones de prueba y cuándo las usa?
- ¿Qué pasos de procesamiento previo recomendaría para un aprendizaje automático exitoso en un conjunto de datos MNIST?
- ¿Cuál es la mejor red neuronal o SVM para la clasificación de texto de etiquetas múltiples?
Al igual que los humanos tienen órganos sensoriales para sentir cosas y luego nuestro cerebro toma una decisión al respecto. Del mismo modo, le damos sensores a una máquina y, según un modelo diferente, toma una decisión.
Espero que puedas entenderlo.
Todo lo mejor.
