rea de Informtica

Inteligencia Artificial 2
NOMBRE : LESTER OJEDA
CARRERA : INFORMATICA Y MULTIMEDIA
PARALELO: INTELIGENCIA ARTIFICIAL 2
DOCENTE : MAURICIO CAPA
FECHA
: 12/01/2016

Tema: Aprendizaje Automtico

Introduccin
El Aprendizaje Automtico o Machine learning, es la rama de la Inteligencia Artificial que se dedica al
estudio de los agentes/programas que aprenden o evolucionan basados en su experiencia, para realizar
una tarea determinada cada vez mejor. El objetivo principal de todo proceso de aprendizaje es utilizar la
evidencia conocida para poder crear una hiptesis y poder dar una respuesta a nuevas situaciones no
conocidas.

Definicin
En ciencias de la computacin el aprendizaje automtico o aprendizaje de mquinas es una rama de
la inteligencia artificial cuyo objetivo es desarrollar tcnicas que permitan a las computadoras
aprender. De forma ms concreta, se trata de crear programas capaces de generalizar
comportamientos a partir de una informacin no estructurada suministrada en forma de ejemplos. Es,
por lo tanto, un proceso de induccin del conocimiento. En muchas ocasiones el campo de actuacin
del aprendizaje automtico se solapa con el de la estadstica, ya que las dos disciplinas se basan en
el anlisis de datos. Sin embargo, el aprendizaje automtico se centra ms en el estudio de la
complejidad computacional de los problemas.

Campos de Aplicacin
Hoy en da existen aplicaciones que utilizan agentes basados en aprendizaje en numerosas ramas
de la industria y de la ciencia. Por ejemplo:

Procesamiento del Lenguaje Natural

Para el anlisis sintctico y morfolgico de los textos. Extraccin de Informacin, Clasificacin
Automtica de Documentos, Agrupamiento Semntico, entre otras tareas se cubren utilizando

rea de Informtica
tcnicas de ML. Los modelos de Anlisis de Sentimiento permite reconocer la orientacin o polaridad
subjetiva de un texto, esto es, si estn hablando bien o mal de aquello que se est opinando.

Sistemas de Recuperacin de Informacin

Los buscadores de Internet utilizan tcnicas de ML para mejorar la performance de sus bsquedas y
confeccionar rankings personalizados segn la experiencia de los usuarios.

Diagnstico Mdico
Se utilizan tcnicas de ML para asistir a mdicos en el diagnstico segn la historia clnica y los
sntomas que presenta el paciente. Tambin existen modelos que miden el riesgo de vida de un
accidentado y decidir en el envo de una ambulancia, un mdico particular o puede tratarse el
incidente por telfono.

Ciencias biolgicas
Para la clasificacin de especies, reconocimiento de tumores o arritmias o patrones en cadenas de
ADN. Descubrimiento y prediccin de patrones de movilidad.

Finanzas e Industria bancaria

La industria bancaria utiliza modelos de riesgo crediticio para calificar a los solicitantes segn su nivel
de cumplimiento esperado en el pago de las cuotas del crdito. Tambin existen modelos de fraude
de consumo de tarjetas de crdito y de prediccin de comportamiento en el mercado de valores.

Anlisis de imgenes
Para reconocer escritura manuscrita, identificar direcciones y remitentes de un envo postal, facturas
o recibos u otro tipo de documentos legales. Tambin otro tipo de objetos dentro de una imagen,
como personas, rostros, monumentos arquitectnicos o accidentes geogrficos, etc.

Juegos
Ya existen muchos juegos, como el Backgammon y las Damas, donde programas de computadoras
que han sido entrenadas con tcnicas de ML superan a los campeones mundiales.

Robtica
Se utilizan modelos de ML para regular el desplazamiento de robots, planificacin de tareas entre
otras tareas.

rea de Informtica
Casos de xito
Motores de bsqueda y servicios de anlisis predictivo en la nube
Las grandes tecnolgicas como Google, Microsoft o Facebook estn usando el aprendizaje
automtico para mejorar sus sistemas de bsqueda y recomendacin para usuarios o sus servicios
profesionales de computacin en la nube. Desde hace tiempo, los buscadores disponen de
habilidades por las cuales son capaces de ofrecer opciones de bsqueda a un usuario que comienza
a hacer alguna peticin.

Minera de datos
Los datos son el nuevo gran activo de las empresas. Pero los datos por s mismos no generan valor
diferencial. Es necesario extraer de ellos la informacin til, lo que en Big Data se llama Knowledge
Discovery in Databases (KDD, descubrimiento de conocimiento de las grandes bases de datos). Todo
este anlisis cualitativo de la informacin hace tiempo que dej de ser un proceso manual porque el
volumen de datos es muy elevado: es imposible corregir errores y duplicidades o buscar patrones sin
la asistencia de algoritmos de machine learning.

Software para aprendizaje automtico

Shogun
Figurando entre las ms antiguas y venerables bibliotecas de aprendizaje automtico, Shogun
(GitHub) fue creada en 1999 y escrita en C ++, pero no se limita a trabajar en C ++. Gracias a la
biblioteca SWIG, Shogun se puede utilizar de forma transparente en diversos lenguajes y entornos:
como Java, Python, C #, Ruby R, Lua, Octave y Matlab.

Orange
Orange es una suite de software para minera de base de datos y aprendizaje automtico basado en
componentes que cuenta con un fcil y potente, rpido y verstil front-end de programacin visual
para el anlisis exploratorio de datos y visualizacin, y librerias para Python y secuencias de
comando. Contiene un completo juego de componentes para preprocesamiento de datos,
caracterstica de puntuacin y filtrado, modelado, evaluacin del modelo, y tcnicas de exploracin.
Est escrito en C++ y Python, y su interfaz grfica de usuario se basa en la plataforma cruzada del
framework Qt.

rea de Informtica
Conclusiones
Analizando el aprendizaje automtico puedo llegar a concluir que a lo largo de los aos este proceso
se hace ms y ms til debido a que las maquinas son creadas con la idea de que tengan auto
eficiencia y tomen decisiones por s mismas y este proceso hace realidad muchas de las ideas
anteriores.

Bibliografa
[1] BBVAOpen4U. (2015, Abr). Aprendizaje automtico| BBVA. Recuperado el 14 de enero de 2016,
a

partir

de

http://www.bbvaopen4u.com/es/actualidad/aprendizaje-automatico-como-un-

algoritmo-ayuda-un-medico-o-un-banco
[2] Saya comunicaciones s.a.c. (2012). Aprendizaje de mquina: 11 herramientas de cdigo abierto.
Recuperado

el

14

de

enero

de

2016,

partir

de

http://cioperu.pe/fotoreportaje/18008/aprendizaje-de-maquina-11-herramientas-de-codigoabierto/?foto=3