¿Cómo funciona el aprendizaje automático?----¿Como aprenden las maquinas?

 

Funcionamiento del aprendizaje automático

Entonces, ¿Cómo aprenden las máquinas?

La respuesta es: a partir de los datos. En el mundo actual, se crean enormes volúmenes de datos en el transcurso de la vida cotidiana. A partir de los mensajes de texto, los correos electrónicos y las publicaciones en redes sociales a las que se envían las fotografías y vídeos que se toman en los teléfonos, se generan cantidades masivas de información. Millones de sensores crean todavía más datos en hogares, automóviles, ciudades, infraestructura de transporte público y fábricas.

Los científicos de datos pueden usar todos esos datos para entrenar modelos de Machine Learning que pueden realizar predicciones e inferencias en función de las relaciones que encuentran en los datos.

Por ejemplo, imagine que una organización de conservación del medioambiente busca voluntarios para identificar y catalogar diferentes especies de flores silvestres mediante una aplicación telefónica.

1. Un equipo de botánicos y científicos recopila datos sobre muestras de flores silvestres.
2. El equipo etiqueta las muestras con la especie correcta.
3. Los datos etiquetados se procesan con un algoritmo que encuentra relaciones entre las características de las muestras y las especies etiquetadas.
4. Los resultados del algoritmo se encapsulan en un modelo.
5. Cuando los voluntarios encuentran muestras nuevas, el modelo puede identificar la etiqueta de la especie correcta.

También se les enseña a detectar anomalías; ¿Cómo ocurre?

Imagine que va a crear un sistema de software para supervisar las transacciones de tarjetas de crédito y detectar patrones de uso inusuales que podrían indicar fraudes. O bien, una aplicación que realiza el seguimiento de la actividad en una línea de producción automatizada e identifica los errores. O bien, un sistema de telemetría de coches de carreras que usa sensores para advertir de forma proactiva a los ingenieros sobre posibles errores mecánicos antes de que se produzcan.

Estos tipos de escenarios se pueden solucionar mediante la detección de anomalías, una técnica basada en el aprendizaje automático que analiza los datos en el tiempo e identifica cambios inusuales.

Ahora se verá cómo la detección de anomalías podría ayudar en el escenario de los coches de carreras.

1. Los sensores del coche recopilan datos de telemetría, como la revoluciones del motor, la temperatura de los frenos, etc.
2. Un modelo de detección de anomalías está entrenado para comprender las fluctuaciones esperadas en las mediciones de telemetría en el tiempo.
3. Si se produce una medida fuera del intervalo normal esperado, el modelo notifica una anomalía, que se puede usar para avisar al ingeniero de carrera, que llamará al piloto para que realice una parada y se solucione el problema antes de que tenga que abandonar.

Como se puede leer, el aprendizaje de las maquinas ocurre a partir de millones de datos, que generan estadísticamente patrones, constantes, secuencias, entre otros que en algunos casos se convierten en estándares para luego alimentar las maquinas con todos estos datos y también con los patrones, esto permite a las maquinas mediante algoritmos estadísticos/probabilísticos previamente insertados analizar y predecir la ocurrencia o no de un evento o una anomalía.

Los científicos de datos juegan un papel relevante en el aprendizaje artificial al igual que la cantidad y calidad de datos recopilados, ya que tanto como la experiencia y la ética deben estar presentes

Alejandro Sirit

@1alexdata

alejandro.sirit@gmail.com

+584147315760