En 1959, Arthur Samuel, informático pionero en el estudio de la inteligencia artificial, describió el aprendizaje automático – ML- como «el estudio que da a los ordenadores la capacidad de aprender sin ser programados explícitamente». El artículo seminal de Alan Turing (Turing, 1950) introdujo una norma de referencia para demostrar la inteligencia de las máquinas, de manera que una máquina tiene que ser inteligente y responder de una manera que no pueda diferenciarse de la de un ser humano.
El aprendizaje automático es una aplicación de la inteligencia artificial en la que un ordenador/máquina aprende de las experiencias pasadas (datos de entrada) y hace predicciones futuras. El rendimiento de un sistema de este tipo debería estar, como mínimo, a la altura del ser humano.
En este material, nos centraremos en los problemas de clustering para el aprendizaje automático no supervisado con el algoritmo K-Means. Para el aprendizaje automático supervisado describiremos el problema de clasificación con una demostración del algoritmo de árboles de diseño y el de regresión con un ejemplo de regresión lineal.
¿A quién va dirigido?
- Cualquier persona interesada en ampliar sus conocimientos en Inteligencia Artificial y Aprendizaje Automático
- Ingenieros, analistas, directores de marketing
- Analistas de datos, científicos de datos, administradores de datos
- Cualquier persona interesada en técnicas de minería de datos y aprendizaje automático
Requisitos previos
No hay prerrequisitos formales para esta certificación.
