SlideShare una empresa de Scribd logo
APRENDIZAJE
AUTOMÁTICO
1950, a modo de motor e industrialización de la Ciencia de Datos,
también conocida como “data science”.
1956, uno de los ingenieros de la IBM, Arthur Samuel, inicia el “machine
learning” logrando aprender al ordenador IBM 701 a ganar en un juego de
damas.
1959, la revista “Communications of the ACM” publica el primer artículo donde
acuña el concepto de las “ciencias de la computación”.
Campo de estudio que
proporciona a los
ordenadores la
capacidad de aprender
sin estar explícitamente
programados”.
Pone en marcha
algoritmos, para obtener
análisis predictivos con
fines precisos y establece
correlaciones entre varios
sucesos.
Se divide
en 2
Fase de “entrenamiento”, se
aprenden una parte de los datos,
construye un modelo de
correlación entre variables
conocidas
Fase de “verificación”, se utilizan la
segunda parte de los datos. Tiene en
cuenta un conjunto de variables y
extrae las correlaciones más fuertes.
¿Qué se requiere para crear buenos
sistemas de machine learning?
• Recursos de preparación de
datos.
• Algoritmos – básicos y avanzados.
• Automatización y procesos
iterativos.
• Escalabilidad.
• Modelado en conjunto.
Métodos populares del machine learning
1. Algoritmos de aprendizaje
supervisado
Es la persona quién describe los
criterios que existen en su base de
datos para su análisis y clasificación.
2. El aprendizaje semisupervisado: Se
utiliza para las mismas aplicaciones
que el aprendizaje supervisado. Sin
embargo, utiliza datos etiquetados y
no etiquetados para entrenamiento
El aprendizaje con refuerzo
Se utiliza a menudo para robótica,
juegos y navegación. Con el
aprendizaje con refuerzo, el
algoritmo descubre a través de
ensayo y error qué acciones
producen las mayores recompensas.
Este tipo de aprendizaje tiene tres
componentes principales: el agente
(el que aprende o toma decisiones),
el entorno (todo con lo que
interactúa el agente) y acciones (lo
que el agente puede hacer).
¿En donde se aplica?
• Servicios financieros
• Servicios de salud
• Marketing y ventas
• Gobierno
• Transporte
• Industrias de petroleo y gas
Referencias
1. Kyocera
https://smarterworkspaces.kyocera.es/blog/que-es-el-aprendizaje-
automatico/
2. SAS/the power to know (2018)
https://www.sas.com/es_mx/insights/analytics/machine-learning.html

Más contenido relacionado

PPTX
Aprendizaje automatico
PPTX
Machine Learning.pptx
PPTX
Introducción a machine learning
PPTX
Machine Learning.pptx
PDF
Introducción al ML
PPTX
Introducción al Aprendizaje Automático ppt
PPTX
Introduccion Data Science para crear modelo predictivos
PPTX
Machine Learning.pptx
Aprendizaje automatico
Machine Learning.pptx
Introducción a machine learning
Machine Learning.pptx
Introducción al ML
Introducción al Aprendizaje Automático ppt
Introduccion Data Science para crear modelo predictivos
Machine Learning.pptx

Similar a ACA 1 ML APRENDIZAJE AUTOMATICO ML BT.pdf (20)

PPTX
Machine Learning Inteligencia Artif.pptx
PPTX
Machine Learning grup nteligencia a.pptx
PPTX
Estudiante
PDF
Qué es la ciencia de datos.pdf
PPTX
Machine learning
DOCX
Aprendizaje Automatizado
PDF
Machine Learning para Todos
PPTX
1.1.1 Introducción a Machine Learning.pptx
PPTX
Poggi analytics - ml - 1d
PDF
PRESENTACION ML CUN MACHINE LEARNING.pdf
PDF
53 Claves para conocer Machine Learning
PDF
El machine learning s
PDF
Aprenzaijeautomaticoeneropdf
PPTX
Machine Learning.pptx
PDF
Introducción al Machine Learning con BigML
PPSX
2019-T6 Machine Learning
DOCX
Qué es el machine learning aplicado a geologia.docx
DOCX
Introducción al-aprendizaje-automático
PDF
Maquinas de vectores
PPTX
Aplicaciones Difusas: Machine learning y heuristicas
Machine Learning Inteligencia Artif.pptx
Machine Learning grup nteligencia a.pptx
Estudiante
Qué es la ciencia de datos.pdf
Machine learning
Aprendizaje Automatizado
Machine Learning para Todos
1.1.1 Introducción a Machine Learning.pptx
Poggi analytics - ml - 1d
PRESENTACION ML CUN MACHINE LEARNING.pdf
53 Claves para conocer Machine Learning
El machine learning s
Aprenzaijeautomaticoeneropdf
Machine Learning.pptx
Introducción al Machine Learning con BigML
2019-T6 Machine Learning
Qué es el machine learning aplicado a geologia.docx
Introducción al-aprendizaje-automático
Maquinas de vectores
Aplicaciones Difusas: Machine learning y heuristicas
Publicidad

Más de ricardosusa5 (20)

PPTX
APLICACIONES ESPTD CLASE 4APLICACIONES ESPTD CLASE 4.pptx.pptx
PPTX
APLICACIONES ESPTD CLASEAPLICACIONES ESPTD CLASE 4.pptx 5.pptx
PDF
APLICACIONES ESPTD CLASE 5 fundamentos.pdf
PDF
APLICACIONES ESPTD CLASE 4 fundamentos.pdf
PPTX
ELECTIVA DE VISUALIZACION DE DATOS CLASE 1 MARZO 2025.pptx
PPTX
APLICACIONES ESPTD ABRIL 2025 rsrs .pptx
PDF
CIBERSEGURIDAD COMPENSAR modulo 1 2024.pdf
PPTX
Propuesta Indicadores Seguridad en activos de Información EAOSD.pptx
PPTX
Indicador TIC2024 Visualización de Datos.pptx
PDF
CLASE 5.pdf Diapositivas toma de decisiones
PDF
CLASE 5Añada más información sobre el archivo subido.pdf
PDF
clase 3 data warehouse Introduccion a Azure Machine Learning.pdf
PPTX
i3 copiaPóngaselo fácil a los demás para encontrar sus archivoss.pptx
PDF
diagramasPóngaselo fácil a los demás para encontrar sus archivos.pdf
PDF
Optimización y Mejora Añada más información sobre el archivo subido .pdf
PPT
I3.ppt ñada más información sobre el archivo subido
PPTX
PRESENTACION TECNOLOGIA VICERECTORIA.pptx
PDF
METODOLOGIA CRISP EVALUATIVA Y FORMANTE.pdf
PDF
GUIA ACA3 power pivot avanzado 2024 -2.pdf
PDF
RELACIONES EN BI Y SUS CARACTERISTICAS.pdf
APLICACIONES ESPTD CLASE 4APLICACIONES ESPTD CLASE 4.pptx.pptx
APLICACIONES ESPTD CLASEAPLICACIONES ESPTD CLASE 4.pptx 5.pptx
APLICACIONES ESPTD CLASE 5 fundamentos.pdf
APLICACIONES ESPTD CLASE 4 fundamentos.pdf
ELECTIVA DE VISUALIZACION DE DATOS CLASE 1 MARZO 2025.pptx
APLICACIONES ESPTD ABRIL 2025 rsrs .pptx
CIBERSEGURIDAD COMPENSAR modulo 1 2024.pdf
Propuesta Indicadores Seguridad en activos de Información EAOSD.pptx
Indicador TIC2024 Visualización de Datos.pptx
CLASE 5.pdf Diapositivas toma de decisiones
CLASE 5Añada más información sobre el archivo subido.pdf
clase 3 data warehouse Introduccion a Azure Machine Learning.pdf
i3 copiaPóngaselo fácil a los demás para encontrar sus archivoss.pptx
diagramasPóngaselo fácil a los demás para encontrar sus archivos.pdf
Optimización y Mejora Añada más información sobre el archivo subido .pdf
I3.ppt ñada más información sobre el archivo subido
PRESENTACION TECNOLOGIA VICERECTORIA.pptx
METODOLOGIA CRISP EVALUATIVA Y FORMANTE.pdf
GUIA ACA3 power pivot avanzado 2024 -2.pdf
RELACIONES EN BI Y SUS CARACTERISTICAS.pdf
Publicidad

Último (20)

PPTX
Presentación - Taller interpretación iso 9001-Solutions consulting learning.pptx
PPTX
Introduccion quimica del fuego.ffffffffffpptx
PPTX
leyes de los gases Ideales. combustible refinación
PDF
Clase 2 de abril Educacion adistancia.pdf
PPTX
Presentacion ppt rx en soldadura tp 231 vladimir Osuna 7114958 20241.pptx
PPTX
clase MICROCONTROLADORES ago-dic 2019.pptx
PPTX
1 CONTAMINACION AMBIENTAL EN EL PLANETA.pptx
PPT
357161027-seguridad-industrial-diapositivas-ppt.ppt
PPTX
Manual ISO9001_2015_IATF_16949_2016.pptx
PDF
ntc5951 Metodo de ensayo para determinar las propiedades de tension en plasti...
PPTX
MANEJO DE QUIMICOS Y SGA GRUPO Mnsr Aleman.pptx
PPTX
Riesgo eléctrico 5 REGLAS DE ORO PARA TRABAJOS CON TENSION
PPTX
TECNOLOGIA EN CONSTRUCCION PUBLICO Y PRIVADA
PDF
LIBRO UNIVERSITARIO DESARROLLO ORGANIZACIONAL BN.pdf
DOCX
Cumplimiento normativo y realidad laboral
PDF
HISTORIA DE LA GRÚAA LO LARGO DE LOS TIEMPOSpdf
PPTX
DEBL Presentación PG 23.pptx [Autoguardado].pptx
PDF
Pensamiento Politico Siglo XXI Peru y Mundo.pdf
PPTX
LEVANTAMIENTOS TOPOGRAFICOS - DIAPOSITIVAS
PPTX
PRESENTACION DIAPOSITIVA PARA UN PROYECTO .pptx
Presentación - Taller interpretación iso 9001-Solutions consulting learning.pptx
Introduccion quimica del fuego.ffffffffffpptx
leyes de los gases Ideales. combustible refinación
Clase 2 de abril Educacion adistancia.pdf
Presentacion ppt rx en soldadura tp 231 vladimir Osuna 7114958 20241.pptx
clase MICROCONTROLADORES ago-dic 2019.pptx
1 CONTAMINACION AMBIENTAL EN EL PLANETA.pptx
357161027-seguridad-industrial-diapositivas-ppt.ppt
Manual ISO9001_2015_IATF_16949_2016.pptx
ntc5951 Metodo de ensayo para determinar las propiedades de tension en plasti...
MANEJO DE QUIMICOS Y SGA GRUPO Mnsr Aleman.pptx
Riesgo eléctrico 5 REGLAS DE ORO PARA TRABAJOS CON TENSION
TECNOLOGIA EN CONSTRUCCION PUBLICO Y PRIVADA
LIBRO UNIVERSITARIO DESARROLLO ORGANIZACIONAL BN.pdf
Cumplimiento normativo y realidad laboral
HISTORIA DE LA GRÚAA LO LARGO DE LOS TIEMPOSpdf
DEBL Presentación PG 23.pptx [Autoguardado].pptx
Pensamiento Politico Siglo XXI Peru y Mundo.pdf
LEVANTAMIENTOS TOPOGRAFICOS - DIAPOSITIVAS
PRESENTACION DIAPOSITIVA PARA UN PROYECTO .pptx

ACA 1 ML APRENDIZAJE AUTOMATICO ML BT.pdf

  • 2. 1950, a modo de motor e industrialización de la Ciencia de Datos, también conocida como “data science”. 1956, uno de los ingenieros de la IBM, Arthur Samuel, inicia el “machine learning” logrando aprender al ordenador IBM 701 a ganar en un juego de damas. 1959, la revista “Communications of the ACM” publica el primer artículo donde acuña el concepto de las “ciencias de la computación”.
  • 3. Campo de estudio que proporciona a los ordenadores la capacidad de aprender sin estar explícitamente programados”. Pone en marcha algoritmos, para obtener análisis predictivos con fines precisos y establece correlaciones entre varios sucesos.
  • 4. Se divide en 2 Fase de “entrenamiento”, se aprenden una parte de los datos, construye un modelo de correlación entre variables conocidas Fase de “verificación”, se utilizan la segunda parte de los datos. Tiene en cuenta un conjunto de variables y extrae las correlaciones más fuertes.
  • 5. ¿Qué se requiere para crear buenos sistemas de machine learning? • Recursos de preparación de datos. • Algoritmos – básicos y avanzados. • Automatización y procesos iterativos. • Escalabilidad. • Modelado en conjunto.
  • 6. Métodos populares del machine learning 1. Algoritmos de aprendizaje supervisado Es la persona quién describe los criterios que existen en su base de datos para su análisis y clasificación. 2. El aprendizaje semisupervisado: Se utiliza para las mismas aplicaciones que el aprendizaje supervisado. Sin embargo, utiliza datos etiquetados y no etiquetados para entrenamiento
  • 7. El aprendizaje con refuerzo Se utiliza a menudo para robótica, juegos y navegación. Con el aprendizaje con refuerzo, el algoritmo descubre a través de ensayo y error qué acciones producen las mayores recompensas. Este tipo de aprendizaje tiene tres componentes principales: el agente (el que aprende o toma decisiones), el entorno (todo con lo que interactúa el agente) y acciones (lo que el agente puede hacer).
  • 8. ¿En donde se aplica? • Servicios financieros • Servicios de salud • Marketing y ventas • Gobierno • Transporte • Industrias de petroleo y gas
  • 9. Referencias 1. Kyocera https://smarterworkspaces.kyocera.es/blog/que-es-el-aprendizaje- automatico/ 2. SAS/the power to know (2018) https://www.sas.com/es_mx/insights/analytics/machine-learning.html