Articulo de referencia

Esquema del aprendizaje automático

El siguiente esquema se proporciona como una descripción general y una guía temática sobre el aprendizaje automático: El aprendizaje automático ( ML ) es un subcampo de la intel...

El siguiente esquema se proporciona como una descripción general y una guía temática sobre el aprendizaje automático:

El aprendizaje automático ( ML ) es un subcampo de la inteligencia artificial dentro de la informática que evolucionó a partir del estudio del reconocimiento de patrones y la teoría del aprendizaje computacional . [ 1 ] En 1959, Arthur Samuel definió el aprendizaje automático como un "campo de estudio que otorga a las computadoras la capacidad de aprender sin ser programadas explícitamente". [ 2 ] El ML implica el estudio y la construcción de algoritmos que pueden aprender de los datos y hacer predicciones sobre ellos . [ 3 ] Estos algoritmos operan construyendo un modelo a partir de un conjunto de entrenamiento de observaciones de ejemplo para hacer predicciones o decisiones basadas en datos, expresadas como resultados, en lugar de seguir instrucciones de programa estrictamente estáticas.

¿Cómo se puede categorizar el aprendizaje automático?

Paradigmas del aprendizaje automático

Aplicaciones del aprendizaje automático

Hardware para aprendizaje automático

Herramientas de aprendizaje automático

marcos de aprendizaje automático

Marcos de aprendizaje automático propietarios

marcos de aprendizaje automático de código abierto

Bibliotecas de aprendizaje automático

algoritmos de aprendizaje automático

métodos de aprendizaje automático

Algoritmo basado en instancias

Reducción de dimensionalidad

Reducción de dimensionalidad

Aprendizaje en conjunto

Aprendizaje en conjunto

Metaaprendizaje

Metaaprendizaje

Aprendizaje por refuerzo

Aprendizaje por refuerzo

Aprendizaje supervisado

Aprendizaje supervisado

Bayesiano

estadística bayesiana

Algoritmos de árboles de decisión

Algoritmo de árbol de decisión

Clasificador lineal

Clasificador lineal

Aprendizaje no supervisado

Aprendizaje no supervisado

Redes neuronales artificiales

Red neuronal artificial

Aprendizaje de reglas de asociación

Aprendizaje de reglas de asociación

Agrupamiento jerárquico

Agrupamiento jerárquico

Análisis de clúster

Análisis de clúster

Detección de anomalías

Detección de anomalías

Aprendizaje semisupervisado

Aprendizaje semisupervisado

Aprendizaje profundo

Aprendizaje profundo

Otros métodos y problemas de aprendizaje automático

Investigación sobre aprendizaje automático

Historia del aprendizaje automático

Historia del aprendizaje automático

Proyectos de aprendizaje automático

Proyectos de aprendizaje automático:

organizaciones de aprendizaje automático

Conferencias y talleres sobre aprendizaje automático

publicaciones sobre aprendizaje automático

Libros sobre aprendizaje automático

Revistas de aprendizaje automático

Personas influyentes en el aprendizaje automático

Véase también

Otro

Lecturas adicionales

Referencias

  1. http://www.britannica.com/EBchecked/topic/1116194/machine-learning Esta fuente terciaria reutiliza información de otras fuentes pero no las nombra. 
  2. Phil Simon (18 de marzo de 2013). Demasiado grande para ignorarlo: El argumento comercial a favor del Big Data . Wiley. pág. 89. ISBN  978-1-118-63817-0.
  3. Ron Kohavi; Foster Provost (1998). "Glosario de términos" . Aprendizaje automático . 30 : 271–274 . doi : 10.1023/A:1007411609915 .
  • Ciencia de datos: De los datos a la información valiosa (aprendizaje automático) del MIT
  • Curso online popular de Andrew Ng en Coursera . Utiliza GNU Octave . Este curso es una versión gratuita del curso original de la Universidad de Stanford impartido por Ng (ver stanford.edu/Course/CS229, disponible gratuitamente).
  • mloss es una base de datos académica de software de aprendizaje automático de código abierto.