Machine learning es un área de la Inteligencia Artificial -habilitador tecnológico disruptivo de la Transformación 4.0- que engloba un conjunto de técnicas que hacen posible el aprendizaje automático de máquinas y sistemas a través del entrenamiento con grandes volúmenes de datos.
A través de algoritmos, su construcción permite identificar patrones en datos masivos y elaborar predicciones, por ejemplo en el reconocimiento de objetos en una imagen.
Existen tres grandes grupos de algoritmos:
Algoritmos supervisados: utilizan un conjunto de datos de entrenamiento etiquetados (preclasificados), los cuales procesan para realizar predicciones sobre los mismos, corrigiéndolas cuando son incorrectas. El proceso de entrenamiento continúa hasta que el modelo alcanza un nivel deseado de precisión.
Algoritmos semi-supervisados: combinan tanto datos etiquetados como no etiquetados para generar una función deseada o clasificador. Este tipo de modelos deben aprender las estructuras para organizar los datos, así como también realizar predicciones.
Algoritmos no supervisados: el conjunto de datos no se encuentra etiquetado y no se tiene un resultado conocido. Por ello deben deducir las estructuras presentes en los datos de entrada, ya sea a través de un proceso matemático para reducir la redundancia sistemática u organizando los datos por similitud.
Bonus track: mirá la charla de Pablo Piovano sobre Machine Learning aplicado a la visión en el marco de Semana TIC 2021 - Click aquí.
Fuente:
-Russo, C.; Ramón, H.; Alonso, N.; Cicerchia, B.; Esnaola, L.; Tessore, J. (2016): Tratamiento masivo de datos utilizando técnicas de Machine Learning- https://repositorio.unnoba.edu.ar/xmlui/bitstream/handle/23601/107/1_resource.pdf?sequence=1&isAllowed=y