Universidad Católica De Honduras
“Nuestra Señora Y Reina De La Paz”
Librerías de machine learning
python.
Ing. Johan Omar Valdez Cruz
Programación Multiplataforma
0105200100861 Maidelyn Arleth
Espinoza Alfaro
05 de febrero de 2022
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Orientación Universidad
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Busca documentos
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Busca tu universidad
Encuentra los documentos específicos para los exámenes de tu universidad
Video Cursos
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Quiz
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pregúntale a la comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
¡Nuestros e-books salva-estudiantes!
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Librerias de Machine Learning de Python, Monografías, Ensayos de Programación del Sistema
Librerias de Machine Learning de Python
Tipo: Monografías, Ensayos
2021/2022
1 / 9
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Documentos relacionados
Vista previa parcial del texto
¡Descarga Librerias de Machine Learning de Python y más Monografías, Ensayos en PDF de Programación del Sistema solo en Docsity!
Universidad Católica De Honduras
“Nuestra Señora Y Reina De La Paz”
Librerías de machine learning
python.
Ing. Johan Omar Valdez Cruz
Programación Multiplataforma
0105200100861 Maidelyn Arleth
Espinoza Alfaro
05 de febrero de 2022
Índice
- Índice...............................................................................................................................................
- Introducción
- Objetivo General......................................................................................................................
- Objetivos Específicos
- Marco Teórico
- 4.1. ¿Qué es una librería de machine learning?.......................................................................
- 4.2. Librerías para Machine Learning
- TensorFlow
- Keras
- Theano.....................................................................................................................................
- PyTorch
- Scikit-learn
- 4.3. Características de Python para desarrollar Machine Learning
- Bibliografía
2. Objetivo General
Exponer la definición de ¿Que es una librería de machine learning?, tipos de librerías en esta categoría, ventajas y desventajas que posee esta librería , para aumentar la retención de la información y a posterioridad hacer uso de dicha información en la clase de programación multiplataforma.
3. Objetivos Específicos
- Detallar los tipos de librerías de machine learning que posee Python.
- Determinar las características de dichas librerías, así como su base.
- Indicar las desventajas y ventajas estas librerías para el desarrollo de aplicaciones.
4. Marco Teórico
4.1. ¿Qué es una librería de machine learning?
El término machine learning engloba al conjunto de algoritmos que permiten identificar patrones presentes en los datos y crear con ellos estructuras (modelos) que los representan. Una vez que los modelos han sido generados, se pueden emplear para predecir información sobre hechos o eventos que todavía no se han observado. Es importante recordar que, los sistemas de machine learning, "aprender" patrones que estén presentes en los datos con los que se entrenan, por lo tanto, solo pueden reconocer escenarios similares a lo que han visto antes. Al emplear sistemas entrenados con datos pasados para predecir futuros se está asumiendo que, en el futuro, el comportamiento será el similar, cosa que no siempre ocurre. Aunque con frecuencia, términos como machine learning, data mining, inteligencia artificial, data science... son utilizados como sinónimos, es importante destacar que los métodos de machine learning son solo una parte de las muchas estrategias que se necesita combinar para extraer, entender y dar valor a los datos. El siguiente documento pretende ser un ejemplo del tipo de problema al que se suele enfrentar un analista: partiendo de un conjunto de datos más o menos procesado (la preparación de los datos es una etapa clave que precede al machine learning), se desea crear un modelo que permita predecir con éxito el comportamiento o valor que toman nuevas observaciones.
4.2. Librerías para Machine Learning
Machine Learning se encuentra en la intersección de la Inteligencia Artificial y el análisis estadístico. Al entrenar computadoras con conjuntos de datos del mundo real, podemos crear algoritmos que hacen predicciones más precisas y sofisticadas, ya sea que estemos hablando de obtener mejores direcciones para conducir o construir computadores que puedan identificar hitos simplemente observando imágenes. Las siguientes librerías dan a Python la capacidad de abordar una serie de tareas de Machine Learning o Aprendizaje Automático, desde la realización de regresiones básicas hasta el entrenamiento de redes neuronales complejas.
TensorFlow
TensorFlow es una librería de aprendizaje automático de Python. Es muy popular para realizar proyectos de Machine Learning e Inteligencia Artificial. Algunas de las características que tiene TensorFlow son:
- Te permite manejar redes neuronales profundas para el reconocimiento de imágenes
- Clasificación de dígitos escritos a mano
- Redes neuronales recurrentes
Las características de Theano son:
- Integración estrecha con NumPy – Utilice numpy.ndarray en las funciones compiladas por Theano.
- uso transparente de una GPU: realice cálculos de uso intensivo de datos mucho más rápido que en una CPU.
- diferenciación simbólica eficiente – Theano hace sus derivados para funciones con una o varias entradas.
- optimizaciones de velocidad y estabilidad: obtenga la respuesta correcta incluso cuando es realmente pequeño. log(1+x)x
- Generación dinámica de código C: evalúe las expresiones con mayor rapidez.
- pruebas unitarias y autoverificación extensas: detecte y diagnostique muchos tipos de errores. Puede ejecutarse tanto en GPU como en CPU.
PyTorch
PyTorch se basa en Torch, que es una librería de aprendizaje profundo de código abierto implementada en C, con un envoltorio en Lua. Esta biblioteca se utiliza para aplicaciones como el procesamiento del lenguaje natural y la visión por computadora. Te permite crear gráficos computacionales precisos que se pueden pueden cambiar incluso durante el tiempo de ejecución. Una de las características más conocidas que posee es un copilador de aprendizaje automático llamado Glow que aumenta el rendimiento de los marcos de aprendizaje profundo. Es compatible con los cálculos de GPU y CPU, le proporciona optimización del rendimiento y formación distribuida escalable en investigación, así como producción.
Scikit-learn
Esta librería para Python está basada en otras dos bibliotecas básicas de Python: SciPy y NumPy. Posee una amplia gama de algoritmos de clustering, regresión y clasificación. Esta librería se suele implementar para la minería y el análisis de datos.
- Algunas características de esta librería:
- Admite ML supervisado y no supervisado.
- Reducción de la dimensionalidad
- Poda e inducción de árboles de decisión
- Aprendizaje de límites de decisiones
- Análisis y selección de características
- Detección y rechazo de valores atípicos
- Modelado avanzado de probabilidad
- Clasificación y agrupación en clústeres no supervisadas
4.3. Características de Python para desarrollar Machine
Learning
La legibilidad del código desarrollado en Python es sencillo, elegante y busca ser consistente. Esto permite que la estructura del lenguaje se asemeje a la estructura que implementamos los seres humanos y a lo que conocemos como lenguaje matemático permitiendo que este sea leído como un pseudocódigo. Su facilidad de implementación ha ayudado a que Python sea el lenguaje con mayor crecimiento en la actualidad. Adicionalmente a esto, Python cuenta con iteraciones rápidas de datos que favorecen la concentración en los datos y en el desarrollo de los algoritmos. Python se caracteriza por funcionar como un lenguaje puente entre el mundo científico y el mundo empresarial. Cumple con una función de ser la pieza de rompecabezas perfecta para conectar ambos ecosistemas ya que facilita la creación de códigos entendible de rápido aprendizaje como los que son necesarios en proyectos de machine learning.