machine learning

MACHINE LEARNING
INTRODUCCIÓN
Es una ciencia cuyo objetivo es que las computadoras actúen sin ser explícitamente programadas. En la década pasada, el Machine Learning (ML) nos ha dado automóvilescon conducción autónoma, reconocimiento de lenguaje natural, búsqueda en web efectiva, y un vasto y mejorado conocimiento del genoma humano. El ML ha penetrado tanto en nuestras vidas en laactualidad que quizás la usemos docenas de veces al día sin saberlo. Muchos investigadores también piensan que es el mejor camino para progresar hacia la Inteligencia Artificial (IA) a nivel humano. Existenmuchas técnicas de en el ML para resolver problemas prácticos, siendo entre estas la Minería de Datos (Datamining), patrones de reconocimiento estadísticos, algoritmos paramétricos y no paramétricos,redes neurales, maquinas con soporte a vectores, clustering, reducción dimensional, aprendizaje profundo, sistemas de recomendación, etc.
Hay una pregunta básica que puede resumir el objetivoprincipal del Machine Learning,
¿Cómo podemos programar sistemas para que puedan aprender automáticamente y mejorar con la experiencia?
Se estudia el aprendizaje desde muchos tipos de experiencia, comopor ejemplo, predecir qué tipos de pacientes responden a qué tipo de tratamientos, y esto luego de analizar la experiencia capturada en bases de datos de registros médicos. O también, Robots móvilesque aprenden a navegar exitosamente basados en la experiencia que obtiene por medio de sus sensores luego de haber recorrido su entorno; y por último, computadoras que apoyan a el descubrimientocientífico al combinar hipótesis científicas iníciales con nuevos datos experimentales para automáticamente producir nuevas y refinadas hipótesis que se ajusten mejor con los datos observados.REFERENCIA
Departamento de Machine Learning de la Universidad Carnegie Mellon [http://www.ml.cmu.edu/]
Curso de Machine Learning de la Universidad de Stanford [https://www.coursera.org/course/ml]...