Conceptos básicos para entender Machine Learning

Insaite .io
Nov 6 · 3 min read
Photo by Franck V. on Unsplash

Hasta ahora ya hemos hablado de los usos de tecnología inteligente en las áreas de Marketing y Operaciones. En esta ocasión queremos desglosar los conceptos básicos de Machine Learning para que personas sin capacitaciones tecnológicas, puedan tener una conversación informada al momento de hablar con consultores o un equipo técnico in-house.

De esta forma las empresas pueden invertir sabiamente en las soluciones que tengan que implementar.

Qué es Machine Learning

El primer paso es entender la definición de esta disciplina, así que te compartimos un breve glosario que publicamos en nuestras redes sociales:

Una breve guía para entender Modelos de Machine Learning

Machine Learning es algo que puede parecer un tema confuso o intimidante para los profesionistas que no están especializados en temas tecnológicos, pero para entenderlo claramente, podemos dividir los modelos de Machine Learning en: supervisados y no supervisados.

Modelos supervisados

Te permiten predecir una variable en función de otras. Es decir, predecir el resultado de un elemento con base en el histórico de datos. Por ejemplo, predecir los precios o la demanda de un mercado.

En una explicación un poco más técnica, los científicos de datos deben establecer preguntas y respuestas en el algoritmo. Consecuentemente, en el código a las preguntas se les denomina características y a las respuestas se les denomina etiquetas.

A su vez, existen dos tipos de modelos de aprendizaje supervisado: los que funcionan por regresión y los que funcionan por clasificación.

Regresión:

Se ocupan para determinar el resultado de una variable tomando en cuenta los patrones de comportamiento de esa variable. Estos modelos funcionan únicamente con valores numéricos.

Ejemplo: Airbnb ocupa este tipo de modelos para que los anfitriones conozcan el precio por noche del espacio que rentan en la plataforma.

Clasificación:

Son técnicas utilizadas para separar a distintos elementos en clases o categorías.

Ejemplo: Las financieras pueden ocupar este tipo de modelos para predecir qué tanta probabilidad tiene una persona de no pagar su deuda.

Modelo no supervisados

Es el proceso de dividir distintos elementos en diversos conjuntos (o clusters) por características específicas.

Ejemplo: Amazon ocupa estos modelos para hacer recomendaciones a sus clientes con base en los patrones de lo que han comprado. Es decir, si es alguien que compra un videojuego, la página le recomendará comprar accesorios para jugar (audífonos, controles, etc.)

En resumen

En conclusión, Machine Learning es algo que se puede implementar para resolver problemas al encontrar patrones en lo datos que una persona no tendría la capacidad ni el tiempo analizar, por su volumen . Es decir, las computadoras dan el poder de descifrar conceptos que son demasiado complejos para los humanos o que llevarían más tiempo del que nos gustaría usar prácticamente como solución.

Insaite .io

Written by

Insaite es una empresa de Inteligencia Artificial. Somos un equipo multidisciplinario dedicados a transformar datos en aliados estratégicos de las empresas.

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade