Apuntes sobre Machine Learning (Aprendizaje Automático)
1. Introducción al Machine Learning
1.1. ¿Qué es el Machine Learning?
El aprendizaje automático es una subdisciplina de la inteligencia artificial que
permite a las computadoras aprender y tomar decisiones a partir de datos sin
ser explícitamente programadas para cada tarea. Utiliza algoritmos y modelos
estadísticos para identificar patrones en los datos y hacer predicciones o
tomar decisiones basadas en esos patrones.
1.2. Importancia del Machine Learning
El machine learning es crucial en muchos campos modernos, incluyendo:
• Reconocimiento de voz y visión por computadora: Asistentes virtuales,
sistemas de vigilancia.
• Sistemas de recomendación: Recomendaciones de productos,
contenido en plataformas de streaming.
• Finanzas: Detección de fraudes, trading algorítmico.
• Salud: Diagnóstico de enfermedades, descubrimiento de
medicamentos.
2. Tipos de Machine Learning
2.1. Aprendizaje Supervisado
Definición: Modelo entrenado con un conjunto de datos etiquetados, donde la
respuesta correcta se conoce y se proporciona al algoritmo.
• Ejemplos: Clasificación (correo spam/no spam), regresión (predicción
de precios de viviendas).
Algoritmos Comunes:
• Regresión Lineal: Predice un valor continuo.
• Máquinas de Vectores de Soporte (SVM): Clasificación de datos en
categorías.
• Árboles de Decisión: Modelo basado en decisiones tomadas en función
de características.
2.2. Aprendizaje No Supervisado
Definición: Modelo entrenado con datos no etiquetados, identificando
estructuras o patrones sin conocer la respuesta correcta.
