¿Qué es el Machine Learning?

Se entiende por Machine Learning a la rama de la inteligencia artificial (IA) que explora las formas de conseguir que las computadoras mejoren su desempeño a partir de la experiencia.

A partir del siguiente esquema se representa la metodología de trabajo que emplea el machine learning:

Metodología de trabajo del machine learning

Metodología de trabajo del machine learning

La metodología detallada sería la siguiente:

  1. Inicialmente se realiza la obtención de los datos necesarios para el caso de estudio.

  2. En este apartado se dejan los datos preparados para analizar. Para ello se eliminan, añaden o modifican los datos necesarios para dejar el modelo listo.

  3. Seguidamente se realiza una selección de los datos, dividiendo estos en dos grupos. Uno de ellos para entrenar el algoritmo y el otro para evaluarlo.

  4. Aquí se irán testeando los diferentes algoritmos hasta dar con el que mejor se adapte a nuestro modelo.

  5. Una vez se ha conseguido que el algoritmo obtenga los resultados deseados, se emplean los datos de la evaluación del apartado de selección de datos para validar el modelo con datos que no han sido incluidos en el apartado de entrenamiento.

  6. Finalmente se lleva a cabo la optimización del modelo para asegurar que su funcionamiento sea lo más eficiente posible.

Finalmente os dejo algunas de las aplicaciones machine learning que no os dejarán indiferentes:

La primera de ellas aplicada a la agricultura de precisión para predecir el estado de las cosechas o el rendimiento que ofrecerán para la siguiente recolecta.

Predicción del estado de las cosechas mediante Machine Learning. Fuente: Visualnacert

Predicción del estado de las cosechas mediante Machine Learning. Fuente: Visualnacert

La segunda de ellas hace referencia a la detección de carreteras a partir de imágenes de satélite.

Predicción de carreteras mediante machine learning. Fuente: developmentSeed.

Predicción de carreteras mediante machine learning. Fuente: developmentSeed.

¿Qué es el Deep Learning?

Entenderemos por Deep learning a la intersección entre el machine learning y la IA, lo cual podremos entender mejor si pensamos en los algoritmos que consiguen dotar de inteligencia a los robots para llevar a cabo tareas como el reconocimiento facial mediante los drones o la visión artificial con la que se llega a pilotar automáticamente un automóvil.

Estos algoritmos de aprendizaje automático emplearán modelos existentes para conseguir predecir el futuro a partir de los datos disponibles mediante patrones, definiéndose así el famoso deep learning.

Algoritmo deep learning para realizar clusters

Algoritmo deep learning para realizar clusters

 

Algunas aplicaciones del Deep Learning son los traductores inteligentes, la interpretación semántica, el reconocimiento de voz y facial.

Diferencias entre Deep learning y machine learning

Una vez se han explicado que son el machine learning y el Deep learning estamos en condiciones de ver las diferencias más relevantes entre ambas.

La principal forma de diferenciarlas es sabiendo que machine learning recibe un listado con todas las pautas que debe de seguir para resolver un problema en cuestión y por el contrario el Deep learning recibe un modelo en el que pueda evaluar ejemplos y una escasa serie de pautas en comparación con el machine learning, siendo así capaz de modificar el modelo cuando se produzcan errores. Todo esto se consigue debido a que el Deep learning extrae los patrones de los modelos de información, pudiendo distinguir cuando se produce alguna anomalía.

Dicho de otra manera, el machine learning emplea modelos no lineales para extraer las características y trabaja en cadena a partir de las pautas recibidas, siendo los datos de entrada a analizar la información de salida de la pauta anterior. Por contra el Deep learning que puede obtener las características a partir de modelos lineales y no lineales de múltiples capas de información.

Por lo que Deep learning necesitará invertir mucho esfuerzo en entrenar los algoritmos con cantidades de datos elevadas para conseguir un resultado óptimo en la automatización, lo cual está siendo posible cada vez en menor tiempo, gracias a los avances en las GPUs.

Si te has quedado con ganas de aprender más sobre machine learning ¡aquí te dejo algo que quizá te interese!