Categorias de ML

AI vs ML

ML no es una bolsa con dos únicas categorías. Aquí usamos supervisado y no supervisado como entrada; también existen otros enfoques, y cada problema necesita su propia forma de evaluar resultados.

AI Campo que estudia y desarrolla sistemas para tareas asociadas a capacidades como aprendizaje, percepción o razonamiento. Un robot o una aspiradora no incorpora IA necesariamente solo por ser automático

ML Subcampo de IA en el que se ajustan modelos a partir de datos o experiencia. Sigue necesitando algoritmos, objetivos y decisiones de programación; no se escribe manualmente una regla para cada caso posible.

---

Machine Learning incluye el aprendizaje supervisado y no supervisado

Supervisado

maneja datos etiquetados, trabaja según tareas e identifica un objetivo

Hay dos tipos grandes de supervisado: Clasificación y regresión. 1. Clasificación predice variables categóricas, como determinar si una foto es un perro o un gato 2. Regresión predice variables numéricas, como predecir las ventas futuras de un producto según su historia.

No supervisado

maneja datos no etiquetados, trabaja según los datos e identifica patrones.

Entre las tareas habituales de aprendizaje no supervisado están:

1. Clustering, que agrupa datos con características similares, las asigna a un cluster.
   • Como para demografías y segmentación.
   • Usarías modelos ML como k-means clustering.
2. Association, busca relaciones frecuentes entre elementos, sin demostrar causalidad.
   • Como para identificar productos que podrían ir juntos.
   • Usarías técnicas de aprendizaje de asociación basado en reglas y algoritmos como Apriori.
3. Dimensionality reduction, reduce el número de dimensiones o características en un dataset para mejorar la eficiencia.
   • Por ejemplo, transformar muchas variables correlacionadas en menos componentes para representar los datos. Predecir el precio de un seguro sería una tarea de regresión, no reducción dimensional por sí sola.
   • Usarías técnicas de ML como análisis de componente principal.

---

Deep learning es un enfoque de ML basado en redes neuronales profundas que aprenden representaciones mediante varias capas. No toda red neuronal es profunda.

---

Véase también

• Prompt Framework — Diseño y evaluación de instrucciones para sistemas de IA.

El panorama incluye también aprendizaje por refuerzo y otros enfoques. Google: introducción a machine learning.

+----------------------------------------+
| Floure &                               |
| Tachibana's guild                      |
| [Hikari · Nozomi · Iona]               |
| SEAL: sha256/12: 756f1ffde445          |
| STATUS: LITURGY_IN_PROGRESS            |
+----------------------------------------+