¿Qué se necesita para hacer machine learning?

Los algoritmos de Machine Learning deben implementarse de alguna manera, lo ideal, por supuesto, es usar un lenguaje de programación que ya tenga librerías de Machine Learning, por lo que es muy recomendable que tengas alguna base de programación.

Puedes empezar con Python, porque en mi opinión es el más fácil, pero puedes hacerlo con cualquier lenguaje de programación que quieras. Recuerda que tengo un video con la lista de lenguajes de programación que puedes usar para Machine Learning.

Paso 3: Elegir el modelo

Hay varios modelos que podemos elegir según el objetivo que tengamos: utilizaremos algoritmos de clasificación, predicción, regresión lineal, clustering (ejemplo k-means o k-vecino más cercano), Deep Learning (ej. red neuronal), Bayesiano, etc y puede haber variantes si lo que vamos a procesar son imágenes, sonido, texto, valores numéricos. En la siguiente tabla veremos algunos modelos y sus aplicaciones

Resumen de las 7 fases del proceso de aprendizaje automático

El diagrama muestra las diferentes fases del proceso de aprendizaje automático y cómo interactúan con unos a otros. Se basan en el estándar CRISP-DM, con la excepción de que me he permitido incluir la fase de «evaluación de la solución actual».

Es muy importante entender el problema que tenemos que resolver. Es posible que no me creas si te digo que he visto casos en los que se encontró una solución perfecta para un problema diferente al que tenías. Comprender el problema a menudo lleva mucho tiempo, especialmente si el problema proviene de una industria en la que tiene poco conocimiento. Asigné un esfuerzo relativamente medio a esta fase porque la idea es colaborar con personas que saben mucho sobre el problema.

Algoritmos de aprendizaje automático por refuerzo

Los algoritmos de aprendizaje automático por refuerzo son un método de aprendizaje que hace que el sistema interactúe con su entorno, produciendo acciones y descubriendo errores o recompensas. Este método, muy utilizado en robótica, videojuegos o navegación, permite que las máquinas sepan cuál es el comportamiento ideal dentro de un contexto específico.

– Análisis de conglomerados

Para empezar, el análisis de conglomerados es un análisis descriptivo multivariado que te permite saber sin mucha información qué usuarios son similares/homogéneos.

Esta herramienta trabaja con la medida de la distancia/diferencia entre datos o variables, en la que agrupa todas las distancias cercanas y discrimina las variables que tienen mayor distancia entre ellas.