Introducción a Machine Learning (APRENDIZAJE AUTOMÁTICO)
Conceptos de aprendizaje y de machine learning
Aprendizaje: Proceso a través del cual se adquieren o modifican habilidades, destrezas, conocimientos, conductas o valores como resultado del estudio, la experiencia, la instrucción, el razonamiento y la observación.
Machine Learning: Rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender.
Referencias: http://es.wikipedia.org/wiki/Aprendizaje http://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
Sistemas expertos vs machine learning Algunos sistemas de Aprendizaje Automático intentan
eliminar toda necesidad de conocimiento experto de los procesos de análisis de datos, mientras otros tratan de establecer un marco de colaboración entre el experto y la computadora. Sistemas experto
Machine Learning
Hechos
Hechos
Reglas Referencias: http://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
Técnicas de Aprendizaje
Aprendizaje inductivo: Buscamos patrones comunes que expliquen los ejemplos.
Aprendizaje analítico o deductivo: Aplicamos la deducción para obtener descripciones generales a partir de conceptos.
Aprendizaje genético: Aplica algoritmos inspirados en la teoría de la evolución para encontrar descripciones generales a conjuntos de ejemplos.
Aprendizaje conexionista: Busca descripciones generales mediante el uso de la capacidad de adaptación de redes de neuronas artificiales.
Referencias: http://www.lsi.upc.edu/~bejar/ia/transpas/teoria/6-AP-aprendizaje.pdf
Fases de desarrollo de machine learning 1. Elegir la experiencia que usaremos para entrenar el sistema de aprendizaje 2. Definir el tipo de función objetivo que pretendemos aprender 3. Determinar la representación que utilizaremos para la función objetivo 4. Seleccionar el algoritmo de machine learning a utilizar y aplicarlo para aprender la función objetivo 5. Evaluar el sistema
Aplicaciones de machine learning en la industria y servicios. Motores de búsqueda Diagnóstico médico Detección de fraudes con el uso de tarjetas de crédito Análisis del mercado de valores Clasificación de secuencias de ADN Reconocimiento del habla
Robótica
Referencias: http://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
Conceptos de heurísticas y meta-heurísticas.
Heurística: Pprocedimiento inteligente de realizar una tarea producto de conocimiento experto sobre esta.
Metaheurística: “meta” significa “más allá” o “a un nivel superior”. Se aplican a problemas que no tienen una heurística específica que dé una solución satisfactoria. (Mas allá de la heurística)
Referencias: http://www.gi.ulpgc.es/tebadm/almacen/seminarios/MH%20Las%20Palmas%202.pdf
Algoritmos exactos vs algoritmos heurísticos. Existen muchos problemas para los cuales no se conocen algoritmos exactos que puedan encontrar la mejor solución de forma eficiente.
La solución exacta puede requerir un orden factorial o exponencial: el problema de la explosión combinatoria.
Se hace necesario utilizar algoritmos heurísticos.
Referencias : ftp://ftp.etsii.ull.es/pub/GRAFOS/03-04/Tema9Heuristicas.pdf
Técnicas heurísticas y meta-heurísticas. Métodos constructivos: Tratan de ir añadiendo componentes parciales sucesivamente, analizando en cada paso la posibilidad de inserción o no de una nueva componente, obteniendo finalmente una sol. factible.
Métodos de relajación: Se modifica el modelo con el objetivo de facilitar el problema. Simplificar restricciones, función objetivo, etc.
Métodos de búsqueda: Partiendo de una sol. factible inicial recorrer el espacio de soluciones transformando iterativamente las soluciones intermedias.
Heurísticas evolutivas: Un conjunto de soluciones (población) evoluciona interactivamente para acercarse a la sol. Óptima.
Problemas de optimizaci贸n combinatoria en la industria y servicios
La determinaci贸n de la mejor manera de entregar los paquetes
El desarrollo de la mejor red de aerol铆neas.
Decidir cu谩les taxis de la flota poner en la ruta.
Determinar los atributos adecuados de elementos conceptuales antes de las pruebas de concepto
Referencias: http://en.wikipedia.org/wiki/Combinatorial_optimization