What is Machine learning?
Existen muchas definiciones válidas para el termino Machine Learning:
- “Machine learning is the science of getting computers to act without being explicitly programmed.” – Stanford
- “Machine learning algorithms can figure out how to perform important tasks by generalizing from examples.” – University of Washington
- “The field of Machine Learning seeks to answer the question How can we build computer systems that automatically improve with experience, and what are the fundamental laws that govern all learning processes?” – Carnegie Mellon University
Quantyca entiende Machine Learning como “la ciencia de hacer que los ordenadores aprendan y mejoren su aprendizaje de manera autónoma al proporcionarles datos e información”, es decir, utilizar técnicas / análisis estadísticos para dar a los ordenadores la capacidad de actuar de manera autónoma en función a datos y decisiones previas.
How it works?
Los algoritmos de aprendizaje automático utilizan estadísticas para encontrar patrones en cantidades masivas de datos.
Los datos abarcan: números, palabras, imágenes, clics… Es decir, si se puede almacenar digitalmente, se puede usar en un algoritmo de aprendizaje automático. Esto puede suponer una gran ventaja a la hora de controlar gran cantidad de información de un modo mucho más efectivo.
La clave de la capacidad de un sistema de Machine Learning se encuentra en la construcción y adaptación de los árboles de decisiones en base a los datos previamente conocidos por el sistema, aunque también influye la aplicación de fórmulas heurísticas en los nodos que forman el árbol, para el que se elabora un sistema de inferencias.
Why?
Desde un punto de vista empresarial los datos son la parte más importante de todos los negocios. Las decisiones basadas en datos marcan la diferencia entre mantenerse al día con la competencia o quedarse atrás y el aprendizaje automático (Machine Learning) puede ser la clave para realizar estas decisiones correctamente.
Por otro lado, Machine Learning, tiene aplicaciones en todo tipo de industrias, incluidas las de manufactura, medicina o la energía. Los casos de uso incluyen:
- Manufacturas - Mantenimiento predictivo y monitoreo
- Venta al por menor - Marketing multicanal
- Medicina - Identificación de enfermedades e identificación de riesgos
- Turismo - Precio dinámico
- Servicios financieros - Análisis de riesgos y regulación
- Energía - Optimización de la oferta y la demanda energética.
El usuario medio de hoy también se beneficia del aprendizaje automático de forma directa.
- La tecnología de reconocimiento facial permite que las plataformas de redes sociales ayuden a los usuarios a etiquetar y compartir fotos de amigos.
- Los motores de recomendación, sugieren qué películas o programas de televisión ver a continuación según las preferencias del usuario.