Tarea No. 2
Nombre Carné #
Por último, se puede observar un breve, pero detallado resumen del curso
Machine Learning, curso compartido por la Universidad de Stanford, en donde se
plasma la información más relevante sobre este tema, así como aplicaciones
recientes y utilizadas en el mundo de la tecnología. De igual forma se documentan
los algoritmos utilizados por Machine Learning, así como su clasificación y
modelos.
pág. 2
Índice
Tipos de algoritmos .......................................................................... 4
Algoritmos Genéticos ..................................................................... 4
Aprendizaje supervisado (Machine learning) ......................................... 6
Existen dos tipos de reglas de aprendizaje automático: ........................... 6
¿Cómo decidir qué algoritmo de aprendizaje automático utilizar? .............. 6
Árboles de decisión: ........................................................................ 7
Modelos de regresión lineal: .............................................................. 7
Métodos de regresión logística: .......................................................... 7
Máquinas de vectores de soporte: ....................................................... 7
El algoritmo de clasificación Naïve Bayes: ............................................. 7
Aprendizaje No Supervisado ............................................................. 8
Consideraciones normativas PCI ........................................................ 9
Automatización de la inteligencia artificial ............................................ 10
Automatización de Inteligencia Artificial (GOOGLE) .............................. 10
Curso Standford machine learning ...................... ¡Error! Marcador no definido.
Aprendizaje automático ................................................................. 13
Puntos vistos en clase .................................................................. 13
Matlab ....................................................................................... 14
Coursera .................................................................................... 14
Explicaciones en los videos ............................................................ 14
Los videos ................................................................................. 15
Conclusiones ................................................................................ 15
Recomendaciones .......................................................................... 18
Comentarios ................................................................................. 20
pág. 3
Tipos de algoritmos
Algoritmos Genéticos
pág. 4
Las operaciones anteriores se pueden representar como un diagrama de flujo
para un mejor entendimiento.
Árboles de decisión:
Pueden emplearse para predecir la respuesta del público ante el lanzamiento de
un nuevo producto o para averiguar la capacidad de una campaña de marketing.
La normativa PCI sirve para mantener la seguridad frente a las amenazas, esto
para mejorar el equipo relacionado a esta, combatiendo a través de capacitación
de los profesionales encargados de la seguridad.
Recordemos que el PCI es una norma, que regula a las empresas que trabajan o
distribuyen tarjetas de crédito a usuarios finales, esto con el fin, de velar por la
seguridad de la información de los clientes.
Las consideraciones que debe tener el PCI son tanto internos como externos de
la empresa que distribuye las tarjetas.
La empresa puede tener los 12 requisitos para poder distribuir tarjetas, pero el
PCI debe considerar el uso que le dará el usuario, el ataque externo que el usuario
está frecuentemente expuesto.
La tecnología va en constante evolución, junto con ella van las buenas prácticas y
las malas, en la genética el usuario propietario de una tarjeta debería de ser el
único que podría llegar a utilizarla, sin importar que la pueda prestar o se la roben
no importando la cantidad a sacar o usar.
pág. 11
Otro ejemplo puede ejemplificarse para que los negocios pueden subir sus
propias imágenes, ofrecer una lista de los objetos que aparecen en ellas y
entrenar a sus propios sistemas de visión artificial, con lo cual resolverían tareas
que es probable que no maneje la tecnología existente, con esto pueden ahorrar
tanto en recursos como en tiempo. Inicialmente pondrá este servicio a disposición
solo a un pequeño grupo de negocios, una de las ideas principales es que
cualquier persona puede aplicar a este servicio, ya sea para una aplicación o un
sitio web propio, o como bien se mencionó para una compañía. Este tipo de
Inteligencia Artificial fue bautizado por Google con el nombre de AutoML Vision,
un nuevo servicio que le ayuda a los desarrolladores, incluyendo aquellos que no
tienen conocimientos de inteligencia artificial, a construir modelos de
reconocimiento de imágenes, para utilizar este servicio los desarrolladores tienen
que solicitar acceso, es un formulario el que se especifica para qué se va a usar el
modelo, de qué son las imágenes, qué cantidad, entre otras preguntas muy
básicas.
Recientemente salió a la luz una noticia en donde según indicaban más de 3 mil
empleados de Google no estaban de acuerdo con trabajar con el Pentágono de
Estados Unidos en un proyecto denominado Marven, el cual es un se trata de un
programa de desarrollo de inteligencia artificial que se centra en el reconocimiento
de imágenes posteriormente tras un período de aprendizaje, puede reconocer por
sí mismo elementos que podrían ser considerados una amenaza, este algoritmo
de inteligencia artificial empezó a ser empleado por drones de las fuerzas
armadas estadounidenses a finales del año pasado(2017), parte de sus objetivos
serian detectar vehículos y otros objetos, haciendo seguimiento de sus
movimientos y proveyendo los resultados de su análisis al Departamento de
Defensa.
pág. 12
Machine Learning
Universidad de Stanford
En primer lugar se sugiere que para entender el curso se necesitan requisitos previos
como: álgebra lineal, probabilidad básica, estadística y solución de matrices, pero es
la mentira jamás contada. Claro, puedes vivir con álgebra lineal básica y probabilidad,
pero para comprender y apreciar realmente el material necesitas mucho más que eso.
Se sugiere para el álgebra lineal y para la probabilidad, un intento para estar cómodo
con el teorema de Bayes, las expectativas y las variables aleatorias discretas y
continuas, las distribuciones gaussianas, etc.
Aunque estamos de acuerdo en que todo se puede recorrer como el curso progresa,
probablemente te hará la vida más fácil saber esto cuando entres al curso. A pesar
que se obtuvo una A en esta clase, hubo algunos tutoriales como los de optimización
convexa que aún no podemos entenderlos plenamente.
Aprendizaje automático
Si bien esto puede parecer obvio, algunas personas parecen estar decepcionadas con
lo que realmente son AI y ML. Un nombre alternativo para esta clase puede ser Stats
9000: "Usemos las estadísticas para crear una nueva palabra de moda que con suerte
nos hará ganar un montón de dinero en Sillicon Valley".
Esto es más una clase teórica, que una aplicada. Dicho esto, una vez que
comprendamos la teoría y su belleza, aplicarla no parecerá demasiado difícil. La
mayor parte de su tiempo se gastará en conjuntos de problemas y haciendo
ingeniosos trucos y manipulaciones matemáticos para llegar a sus respuestas finales.
Los conjuntos de problemas tienen algunas preguntas de programación, pero
generalmente eran las preguntas más fáciles.
El proyecto es abierto y usted podría ser súper ambicioso y hacer algo alucinante.
Dicho esto, la mayoría de los estudiantes que comenzaron esta clase tratando de
hacer un proyecto completamente ambicioso apenas salieron. Esto incluye a mi
equipo, que terminó cambiando el proyecto después del hito porque nuestro proyecto
inicial era demasiado ambicioso. Recibimos apoyo de los asesores técnicos que
estaban demasiado ocupados. A menos que desee pasar sus vacaciones de acción
de gracias compensando el tiempo perdido, tenga mucho cuidado si decide hacer un
proyecto loco y ambicioso.
Matlab
Debes saber cómo codificar. Aprender Matlab es bastante fácil y el tutorial de Matlab
es suficiente para enseñarte todo lo que necesitas saber. Matlab está bien
documentado en línea, por lo que cada vez que estés atascado, Google es tu amigo.
Coursera
pág. 14
Los videos
Se aprende bastante, fueron 20 videos duros y difíciles ya que se tiene que tener un
buen nivel de inglés, por lo demás es un curso maravilloso.
pág. 15
Conclusiones
El aprendizaje automático solo puede ser tan bueno como los datos que
usa para entrenarlo. La frase "basura adentro, basura afuera" es anterior al
aprendizaje automático, pero caracteriza acertadamente una limitación
clave del aprendizaje automático.
pág. 16
capacitación. Esté atento a las diferencias entre los datos de capacitación y
los datos de producción, y vuelva a entrenar a sus modelos con frecuencia
para que no queden obsoletos.
pág. 17
Recomendaciones
pág. 19
Comentarios
pág. 21