Por: Carlos Castro Correa
Ilustración: Joanthan Rosas, cortesía de Nexos
El aprendizaje de máquina, popularmente conocido como machine learning, utiliza bases de datos para detectar patrones y producir reglas que permiten tomar una decisión. Para realizar esta tarea se pueden utilizar distintos algoritmos que realizan operaciones sobre la información disponible, entre las opciones más populares se encuentran: árboles de decisión, redes neuronales, regresiones, bosques aleatorios, clustering, entre otros. En todos los casos es posible utilizar una computadora para que los algoritmos procesen los datos de forma más rápida. En general, no es necesario diseñar un nuevo algoritmo cada vez que se requiere resolver un problema de aprendizaje de máquina (se pueden utilizar las implementaciones o paquetes ya publicados). Sin embargo existe una serie de detalles técnicos importantes que deben considerarse al trabajar con problemas de machine learning: métricas, limpieza de los datos, naturaleza del problema (clasificación o regresión), penalizaciones e implementación (en mi siguiente publicación abordaré con mayor profundidad el concepto de machine learning y su funcionamiento).
Lee aquí el artículo completo.