Professional Documents
Culture Documents
LEARNING
Preparado como parte de las Actividades por el LII Aniversario de la
Facultad de Ciencias Puras y Naturales
M.Sc. Aldo Ramiro Valdez Alvarado
Mayo de 2018
Índice
1 Inteligencia Artificial y ML
2 Big Data y ML
3 Data Science y ML
4 Definición de ML
5 Tipos de ML
6 Aprendizaje Supervisado
7 Aprendizaje No Supervisado
Google Trends…
1 Inteligencia Artificial y ML
La Inteligencia Artificial es la ciencia de construir
máquinas que…
… piensen … piensen
como humanos racionalmente
Biología Visualización
Machine
Ingeniería Learning Economía
Procesamien
Bases de
to de
Señales Datos
5 Tipos de ML
Aprendizaje Aprendizaje No Aprendizaje
Supervisado Supervisado Reforzado
• Modelos • Modelos • Un enfoque de la IA
Predictivos. Descriptivos. • Aprendizaje basado
• La máquina • La máquina en los hallazgos.
aprende entiende los datos. • La máquina
explícitamente. • La evaluación es aprende a como
• Predice el futuro a cualitativa o actuar en un
partir de datos indirecta. determinado
históricos. • No realiza entorno.
• Resuelve predicciones, • Maximiza los
problemas de encuentra algo hallazgos.
clasificación y específico.
regresión.
Variables Discretas
Clasificación Clustering
Reducción de la
Regresión Dimensión
Variables Continúas
6 Aprendizaje Supervisado
Aprendiendo un modelo, de datos etiquetados.
Datos de Entrenamiento: “ejemplos” x con “etiquetas” y.
(x 1 , y1), . . . , (x n , yn) / x i ∈ Rd
Característica 1
Característica 2
Característica 1
Límite de la decisión
Característica 2
Característica 1
Límite de la decisión
(x 1 , y1), . . . , (x n , yn) / x i ∈ Rd
f : Rd → R f es llamado un regresor.
Ejemplo: cantidad de crédito, peso de una fruta.
7 Aprendizaje No Supervisado
Aprendiendo un modelo, de datos no etiquetados.
Datos de Entrenamiento: “ejemplos” x.
x 1 , . . . , x n , x i ∈ X ⊂ Rn
Clustering/segmentation:
f : Rd −→ {C 1 , . . . C k } (Conjunto de clusters).
Característica 1
Característica 2
Característica 1
Característica 2
Característica 1
Algoritmos: K-means, gaussian mixtures, clustering jerárquico,
spectral clustering, entre otros.
Aldo Ramiro Valdez Alvarado
Licenciado en Informática
Máster en Dirección Estrategica en Tecnologías de la Información
Máster(c) en Business Intelligence y Big Data
Docente Titular de la Carrera de Informática de la UMSA
Docente de Postgrado en la UMSA y otras Universidades
Ex - Coordinador del Postgrado en Informática UMSA
Conferencista Nacional e Internacional
http://aldovaldezalvarado.blogspot.com/
https://www.linkedin.com/in/msc-aldo-valdez-alvarado-17464820
arvaldez@umsa.bo
aldo_valdez@hotmail.com