Aprende sobre los diferentes tipos de algoritmos de machine learning.
Hayas entendido bien, a medias o nada del comic, la imagen nos da pie al concepto del día de hoy. Tipos de Algoritmos de Machine Learning.
Machine Learning, es una variante de la inteligencia artificial, que permite que un sistema aprenda a partir de los datos de una forma iterativa, sin que sea necesaria una programación explícita. Los algoritmos de Machine Learning nos ayudan a encontrar patrones en los datos, describir relaciones ocultas es estos o predecir resultados.
Existe mas de una clasificación de tipos de algoritmos de Machine Learning hoy nos dedicaremos a una de las clasificaciones más conocida e importante.
Los algoritmos de ML pueden dividirse a grandes rasgos en tres grupos:
Supervisados
No supervisados
Aprendizaje reforzado
Algoritmos de Aprendizaje supervisado (Supervised Learning):
El sistema se presenta con entradas de ejemplo y sus salidas deseadas, dadas por un "maestro", y el objetivo es aprender una regla general que asigna entradas a salidas.
El aprendizaje supervisado generalmente comienza con un conjunto establecido de datos y un cierto conocimiento de cómo se clasifican esos datos. Estas clases pueden ser etiquetas, o bien variables de respuesta. El aprendizaje supervisado pretende encontrar patrones en los datos y el objetivo es aprender una regla general que asigna entradas a salidas.
Los ejemplos de tareas que se pueden realizar con este tipo de algoritmos son:
Clasificación (NaiveBayes, SVM, Logistica regresión, XGBoost, etc)
Regresión (Linear Regression, Random Forest,m, etc)
Algoritmos de Aprendizaje no Supervisado (Unsupervised Learning):
En el aprendizaje no supervisado, el entrenamiento utiliza información que no está clasificada ni etiquetada y permite que el algoritmo actúe sobre esa información sin guía alguna. Aquí, la tarea de la máquina es agrupar información no clasificada de acuerdo con similitudes, patrones y diferencias sin ningún entrenamiento ni entendimiento previo de los mismos. En este caso se busca descubrir patrones ocultos o bien aprender a partir de los mismos.
En este grupo podemos ocuparnos de las siguientes acciones:
Clustering (K means, DBSCAN, Gaussian Mixture Model, Isolation forest, etc.)
Reducción de dimensionalidad (PCA, UMAP TSNE)
Aprendizaje reforzado (Reiforced Learning):
Por último, tenemos los llamados Algoritmos de Aprendizaje Reforzados.
El aprendizaje reforzado es algo totalmente diferente. El sistema de aprendizaje, llamado normalmente agente, selecciona y realiza acciones por las cuales obtiene recompensas o sanciones a cambio de como realiza esas tareas. Luego el sistema aprende por sí mismo cuál es la mejor estrategia para obtener la mayor recompensa. Por lo tanto, una secuencia de decisiones exitosas dará como resultado que el proceso se “refuerce”, justamente porque es mejor que lo que hubiere aprendido en las instancias previas.
Este es el grupo más específico y complejo del ML.
Listar los más representativos es realmente difícil, pero optamos por los siguientes como introducción:
Redes neuronales
Q-Learning
SARSA
DQNDDPG
En futuros artículos entraremos en detalle en alguno o varios de los algoritmos mencionados, para que puedas conocerlos a pleno.
Bien, ¿y ahora?. Bueno como veras la variedad y elección de los algoritmos a utilizar en tu negocio depende de muchas cosas, lo importante es que ya estas en un paso más cerca de sacar el máximo provecho a los datos de tu organización.
Por otro lado, también es cierto que no es necesario ser un experto matemático, estadístico o científico de datos para aplicar estos algoritmos en análisis de negocios o problemas de tu empresa. No obstante es recomendable tener un
entendimiento de para que se usan, sus parámetros y las librerías necesarias para desarrollar estos modelos predictivos que generen valor a partir de los datos.
No olvides también que en estas ciencias y como en muchas otras, la práctica hace al maestro, y en este caso al científico de datos!
Si en tu empresa, o emprendimiento están interesados en aplicar alguno de estos algoritmos, encontrar patrones desconocidos en tus datos o volverse una organización data driven, contactanos. No olvides de visitarnos también en LinkedIn.