¿Qué es el aprendizaje automático?

En este vídeo, vamos a intentar definir qué es, también trato

de darte una idea de cuándo necesitas usar aprendizaje
automático.
Incluso entre los practicantes de aprendizaje automático, no
está bien aceptada la definición de qué es y qué no es
aprendizaje automático.
Déjame mostrarte un par de ejemplos de cómo la gente
intenta definirlo.
Esta es una definición de qué es aprendizaje automático por
Arthur Samuel.
Él definió el aprendizaje automático como el campo de
estudio que da a las computadoras la capacidad de aprender
sin enseñarles explícitamente.
El salto a la fama de Samuel fue cuando en 1950 escribió un
programa de juego de damas, y lo increíble de este
programa fue que el mismo Arthur Samuel no era un buen
jugador de damas.
Lo que él hizo fue programar tal vez decenas de miles de
partidas contra sí mismo, y ver qué posiciones en el tablero
tendían a conducir a victorias y qué posiciones en el tablero
tendían a conducir a derrotas, el programa de damas
aprendía cuáles eran buenas posiciones en el tablero y
cuáles eran malas posiciones.
Finalmente, aprendería a jugar a las damas mejor que el
mismo Arthur Samuel sabía hacerlo.
Este fue un resultado notable.
El mismo Arthur Samuel no resultaba ser muy buen jugador
de damas.
Un computador tiene la paciencia de jugar decenas de miles
de partidas contra sí mismo, ningún humano tiene la
paciencia de jugar tantas partidas.
Haciendo esto, un computador pudo adquirir mucha
experiencia en el juego de damas
y finalmente se convirtió en mejor jugador de damas que el
propio Arthur.
Esta es una definición algo informal y un poco antigua.
Esta es una definición un poco más reciente de Tom
Mitchell.
que es un amigo del Carnegie Melon.
Tom define el aprendizaje automático al decir que un
problema de aprendizaje bien planteado se define como
sigue.
Él dice, un programa de computadora aprende de la
experiencia E con respecto a alguna tarea T y alguna medida
del rendimiento P, si su rendimiento en T,
medido por P, mejora con la experiencia E.
De hecho, creo que él dio esta definición solo por hacerla
rimar.
Para el ejemplo del juego de damas, la experiencia E sería
la experiencia del programa jugando decenas de miles de
partidas contra sí mismo.
La tarea T sería la tarea de jugar damas, y
la medida del rendimiento P será la probabilidad de
ganar la próxima partida contra algún oponente nuevo.
A lo largo de estos vídeos además de tratar de enseñarte
cosas, ocasionalmente te haré alguna pregunta para
asegurarme de que lo entiendes.
Esta es una.

Arriba tienes la definición de aprendizaje automático de Tom

Mitchell.
Imagina que tu proveedor de correo sabe qué marcas como
spam y qué no.
En un cliente de correo como ese, puedes clicar el botón de
Spam para marcar un correo como spam y no otros.
Y basándose en los correos marcados como spam,
el programa aprende a filtrar mejor otros correos spam
¿Cuál es la Tarea T aquí?
En unos segundos, el vídeo se detendrá y entonces,
puedes usar el ratón para seleccionar una de las cuatro
opciones
para que yo sepa cuál de las cuatro consideras que es la
respuesta correcta.
Esperemos que piensas que ésta es la respuesta correcta
la Tarea T es clasificar los correos.
En realidad, define una Tarea T, una medida del rendimiento
P y una experiencia E.
Observando tus correos marcados como spam o no spam
será la experiencia E y la fracción de correos clasificados
correctamente, podría ser la medida del rendimiento P.

La tarea... el rendimiento del sistema, la medida del

rendimiento P, mejorará después de la experiencia E.
En esta clase, espero enseñarte varios tipos de algoritmos de
aprendizaje.
Hay varios tipos de algoritmos de aprendizaje.
Los dos tipos principales son los que llamamos aprendizaje
supervisado y aprendizaje no supervisado.
Definiré estos términos con más precisión en un vídeo
posterior.
En el aprendizaje supervisado la idea es enseñar a la
computadora cómo hacer algo.
Mientras que en el aprendizaje sin supervisión dejaremos
que aprenda por sí misma.
No te preocupes si estos dos términos no tienen sentido
aún.
En los próximos dos vídeos, voy a decir exactamente lo que
son estos dos tipos de aprendizaje.
También podrías escuchar términos extraños como
aprendizaje de refuerzo y sistemas de recomendación.
Estos son otros tipos de algoritmos de los hablaremos más
adelante.
Los dos tipos de algoritmos de aprendizaje más usados son
probablemente el aprendizaje supervisado y el aprendizaje
no supervisado.
Los definiré en los próximos dos vídeos y pasaremos la
mayor parte de la clase hablando de estos dos tipos de
algoritmos de aprendizaje.
Otra cosa en la que pasaremos tiempo en esta clase
será en consejos prácticos para aplicar los algoritmos de
aprendizaje.
Es algo en lo que me siento muy fuerte.
 Y no sé exactamente si hay otros profesores universitarios.
Enseñar algoritmos de aprendizaje es como dar un conjunto
de herramientas.
E igualmente importante o más importante que darte las
herramientas es enseñarte cómo aplicarlas.
Me gustaría hacer una analogía de aprender con ser un
carpintero.
Imagina que una persona te enseña a ser carpintero y te
dice esto es un martillo, esto un destornillador, esto una
sierra, buena suerte.
Eso no es bueno.
Tienes las herramientas, pero lo más importante es
aprender a usarlas correctamente.
Hay una gran diferencia entre la gente que sabe cómo
utilizar estos algoritmos de aprendizaje, y los que no los
saben usar bien.
Aquí, en Silicon Valley, donde vivo, cuando visito diferentes
empresas incluso en las principales de Silicon Valley, muy
a menudo veo gente tratando de aplicar algoritmos de
aprendizaje automático a algún problema y, a veces, lo han
intentado hasta durante seis meses.
Pero a veces, cuando miro lo que hacen, digo, pude haberles
dicho, seis meses antes, que deberían haber elegido
un algoritmo de aprendizaje y aplicarlo ligeramente
modificado y así las posibilidades de éxito habrían sido
mucho más altas.
Lo que vamos a hacer en esta clase es pasar realmente
mucho tiempo hablando de, si realmente tratas de
desarrollar un sistema de aprendizaje automático,
cómo tomar las mejores decisiones sobre la manera de
construir tu sistema.
Para que cuando finalmente aprendas el algoritmo, sea
menos probable que termines como una de esas personas
que terminan persiguiendo después de seis meses algo
que alguien más pudo descubrir que era una pérdida de
tiempo durante seis meses.
Realmente voy a gastar mucho tiempo enseñándote las
mejores prácticas en aprendizaje automático e IA, y cómo
hacer que las cosas funcionen y cómo lo hacen los mejores
de Silicon Valley y de todo el mundo.
Espero hacerte uno de los mejores en saber cómo diseñar
construir sistemas serios de aprendizaje automático e IA.
Esto es aprendizaje automático y estos son los principales
temas que espero enseñar.
En el próximo vídeo definiré qué es aprendizaje supervisado
y después de eso qué es aprendizaje no supervisado.
También algo de tiempo para hablar de cuándo usar cada
uno de ellos.