Diapositiva Introducción al Machine Learning en Android presentado en el Android Camp Bolivia 2017
- Introducción Machine Learning
- Google Cloud Vision
- IBM Watson
- Ejemplos subidos a Github
4. Es el diseño y estudio de las herramientas informáticas que utilizan
la experiencia pasada para tomar decisiones futuras; es el estudio
de programas que pueden aprenden de los datos. El objetivo
fundamental del Machine Learning es generalizar, o inducir
una regla desconocida a partir de ejemplos donde esa
regla es aplicada.
El ejemplo más típico donde podemos ver el uso del Machine
Learning es en el filtrado de los correo basura o spam
Qué es Machine Learning?
5.
6. Es el intento de hacer a una computadora tan o mas inteligente que
un humano. Darle la capacidad de razonar o de pensar basado en
los datos que le estas aportando.
Qué es Inteligencia Artificial?
8. Machine Learning Supervisado. se enseña o entrena al algoritmo a partir de datos
que ya vienen etiquetados con la respuesta correcta. Cuanto mayor es el conjunto de
datos más el algoritmo puede aprender sobre el tema. Una vez concluido el
entrenamiento, se le brindan nuevos datos, ya sin las etiquetas de las respuestas
correctas, y el algoritmo de aprendizaje utiliza la experiencia pasada que adquirió
durante la etapa de entrenamiento para predecir un resultado. Esto es similar al
método de aprendizaje que se utiliza en las escuelas, donde se nos enseñan
problemas y las formas de resolverlos, para que luego podamos aplicar los mismos
métodos en situaciones similares.
Machine Learning Supervisado
Machine Learning no Supervisado
9. Machine Learning no Supervisado: En los problemas de
aprendizaje no supervisado el algoritmo es entrenado usando un
conjunto de datos que no tiene ninguna etiqueta; en este caso,
nunca se le dice al algoritmo lo que representan los datos. La
idea es que el algoritmo pueda encontrar por sí solo patrones
que ayuden a entender el conjunto de datos. El aprendizaje no
supervisado es similar al método que utilizamos para aprender a
hablar cuando somos bebes, en un principio escuchamos hablar
a nuestros padres y no entendemos nada; pero a medida que
vamos escuchando miles de conversaciones, nuestro cerebro
comenzará a formar un modelo sobre cómo funciona el lenguaje
y comenzaremos a reconocer patrones y a esperar ciertos
sonidos.
Machine Learning Supervisado
Machine Learning no Supervisado
13. • TensorFlow es el sistema de aprendizaje automático de segunda
generación de Google Brain, liberado como software de código abierto
a finales del año 2015. Mientras la implementación de referencia se
ejecuta en dispositivos aislados, TensorFlow puede correr en múltiple
CPUs y GPUs. Esta biblioteca también está disponible en Linux de 64
bits, macOS, y plataformas móviles que incluyen Android e iOS. El
nombre TensorFlow deriva de las operaciones qué tales redes
neuronales realizan sobre arrays multidimensionales de datos. Estos
arrays multidimensionales son referidos como “tensores”. En junio de
2016, Jeff Dean de Google declaró que 1.500 repositorios en GitHub
mencionaron TensorFlow, de los cuales solo 5 pertenecían a Google.
Qué es Tensorflow?
17. • El Deep Learning lleva a cabo el proceso de Machine Learning usando una red
neuronal artificial que se compone de un número de niveles jerárquicos. En el nivel
inicial de la jerarquía la red aprende algo simple y luego envía esta información al
siguiente nivel. El siguiente nivel toma esta información sencilla, la combina, compone
una información algo un poco más compleja, y se lo pasa al tercer nivel, y así
sucesivamente.
Qué es DeepLearning?
Inteligencia Artificial
Machine Learning
Deep Learning