Introducción al aprendizaje automático (inteligencia artificial)

Plantearemos la necesidad de aprendizaje automático distribuido
desde los siguientes puntos de vista o tocando los siguientes temas:

-aprendizaje automático,
-filtrado colaborativo,-clustering y
-categorización.

Una vez que los sistemas inteligentes se están extendiendo más
allá del dominio exclusivamente académico o de las corporaciones
con grandes presupuestos en I+D, lasnecesidades de técnicas de
aprendizaje automático, como la agrupación, el filtrado
colaborativo y la clasificación, crecen incesantemente y se están
volviendo más comunes.
Cada vez más, el éxito de lasempresas y particulares en la era de
la información depende de la velocidad y eficiencia con que se
transforman cantidades de datos en información activa (usable): la
necesidad de herramientas quepuedan organizar y mejorar los
datos nunca ha sido mayor.
Este subcampo de la inteligencia artificial, el aprendizaje
automático, está estrictamente relacionado con la minería de datos
ygeneralmente emplea técnicas estadísticas, teoría de
probabilidades, reconocimiento de patrones, etc. Pese a que el
aprendizaje automático no es un campo relativamente reciente,
actualmente se muestra encrecimiento. Muchas grandes
empresas, entre las que se incluye Google, Amazon, IBM, Yahoo!
o Facebook, aplican algoritmos de este tipo en sus aplicaciones,
orientado especialmente a aprender desituaciones pasadas y de
los usuarios.

El aprendizaje automático (machine learning) se usa desde
juegos hasta la detección de fraudes analizando la bolsa de
valores, se usa también para recomendar ensistemas tipo Amazon
productos a los usuarios, para clasificar páginas Web en función
de su temática, detección de SPAM, etc, etc, etc.
Tres importantes tareas específicas del aprendizajeautomático y
que Mahout permite son: filtrado colaborativo, clustering y
categorización o clasificación.

-El filtrado colaborativo (CF) es una técnica popularizada por
Amazon y otros, utilizando la...