Nota: (Tenemos dos lineas a seguir en Machine Learning, del tema que nos ocupa (Que es ML) hay muchas mas tantas como publicaciones sobre el tema en cuestión, estas dos son las que mas me parecen acercarse a una realidad lo mas simple posible) .
Que es Machine-Learning
1-. El aprendizaje automático ( ML ) es el estudio de algoritmos informáticos que pueden mejorar automáticamente a través de la experiencia y mediante el uso de datos. Se considera parte de la inteligencia artificial . Los algoritmos de aprendizaje automático construyen un modelo basado en datos de muestra, conocidos como datos de entrenamiento , para hacer predicciones o decisiones sin estar programados explícitamente para hacerlo. Los algoritmos de aprendizaje automático se utilizan en una amplia variedad de aplicaciones,
1.1-. Los programas de aprendizaje automático pueden realizar tareas sin estar programados explícitamente para hacerlo. Se trata de que las computadoras aprendan de los datos proporcionados para llevar a cabo determinadas tareas. Para tareas simples asignadas a computadoras, es posible programar algoritmos que le digan a la máquina cómo ejecutar todos los pasos necesarios para resolver el problema en cuestión; por parte de la computadora, no es necesario ningún aprendizaje. En la práctica, puede resultar más eficaz ayudar a la máquina a desarrollar su propio algoritmo, en lugar de que los programadores humanos especifiquen cada paso necesario.
1.2-. La disciplina del aprendizaje automático emplea varios enfoques para enseñar a las computadoras a realizar tareas en las que no se dispone de un algoritmo completamente satisfactorio. En los casos en que exista una gran cantidad de respuestas potenciales, un enfoque es etiquetar algunas de las respuestas correctas como válidas. Esto luego se puede usar como datos de entrenamiento para que la computadora mejore los algoritmos que usa para determinar las respuestas correctas. Por ejemplo, para entrenar un sistema para la tarea de reconocimiento de caracteres digitales
2-. El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas (del inglés, machine learning) es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.
2.1-. Se dice que un agente aprende cuando su desempeño mejora con la experiencia y mediante el uso de datos; es decir, cuando la habilidad no estaba presente en su genotipo o rasgos de nacimiento «En el aprendizaje de máquinas un computador observa datos, construye un modelo basado en esos datos y utiliza ese modelo a la vez como una hipótesis acerca del mundo y una pieza de software que puede resolver problemas«. Algunos sistemas de aprendizaje automático intentan eliminar toda necesidad de intuición o conocimiento del Operador de los procesos de análisis de datos, mientras otros tratan de establecer un marco de colaboración entre el Operador y la computadora. De todas formas, la intuición humana no puede ser reemplazada en su totalidad, ya que el diseñador del sistema ha de especificar la forma de representación de los datos y los métodos de manipulación y caracterización de los mismos.
Por ultimo vamos a Los diferentes algoritmos de Machine Learning se agrupan en una taxonomía en función de la salida de los mismos.
Aprendizaje supervisado: El algoritmo produce una función que establece una correspondencia entre las entradas y las salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema de clasificación, donde el sistema de aprendizaje trata de etiquetar (clasificar) una serie de vectores utilizando una entre varias categorías (clases). La base de conocimiento del sistema está formada por ejemplos de etiquetados anteriores. Este tipo de aprendizaje puede llegar a ser muy útil en problemas de investigación biológica,
Aprendizaje no supervisado : Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan solo por entradas al sistema. No se tiene información sobre las categorías de esos ejemplos. Por lo tanto, en este caso, el sistema tiene que ser capaz de reconocer patrones para poder etiquetar las nuevas entradas.
Aprendizaje por refuerzo: El algoritmo aprende observando el mundo que le rodea. Su información de entrada es el feedback o retroalimentación que obtiene del mundo exterior como respuesta a sus acciones. Por lo tanto, el sistema aprende a base de ensayo-error. El aprendizaje por refuerzo es el más general entre las tres categorías. En vez de que un instructor indique al agente qué hacer, el agente inteligente debe aprender cómo se comporta el entorno mediante recompensas (refuerzos) o castigos, derivados del éxito o del fracaso respectivamente. El objetivo principal es aprender la función de valor que le ayude al agente inteligente a maximizar la señal de recompensa y así optimizar sus políticas de modo a comprender el comportamiento del entorno y a tomar buenas decisiones para el logro de sus objetivos formales.
Recopilando :
Dos formas de ver Machine Learning , y sus principales algoritmos las fuentes para estos apuntes Wikipedia .