4 - El aprendizaje y tipos de aprendizaje
Lección 4 del curso Introducción al Machine Learning.
Tabla de contenido
Introducción
En la lección anterior vimos la relación existente entre el Machine Learning y disciplinas como la Ciencia de Datos y la Inteligencia Artificial.
En esta lección vamos a hablar en detalle del concepto de aprendizaje: daremos una definición más precisa y veremos los diferentes tipos de aprendizaje que existen en el Machine Learning.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
¿Qué es el aprendizaje?
Entendamos este concepto a través de un ejemplo: supongamos que tenemos un set de 10 puntos distribuidos en un plano bidimensional y que cada punto está definido por un par de coordenadas (x,y) y puede ser de uno de dos colores: rojo o verde.
El objetivo es idear un método que permita separar correctamente los colores de un punto o de otro. Es decir: si introducimos la coordenada la idea es que este método nos indique si el punto introducido es verde o rojo. Y para medir qué tan bien lo hace este método usaremos la exactitud: el porcentaje de puntos clasificados correctamente.
Para resolver este problema se puede crear un algoritmo que cree una “frontera de decisión” que permita separar estos puntos. En las primeras iteraciones del algoritmo esta frontera no será la adecuada y la exactitud será relativamente baja. Pero a medida que avanzan las iteraciones el algoritmo tomará como referencia estos valores de exactitud para “refinar” la orientación de la frontera, hasta que en la última iteración alcanzará una exactitud del 100%: ¡los puntos estarán separados correctamente!.
En este punto podemos decir que el algoritmo ha logrado crear un modelo que ha “aprendido” a separar correctamente los puntos blancos de los negros. Aunque aún no sabemos cómo lo ha hecho, la idea en el Machine Learning es que el algoritmo logre realizar este aprendizaje de forma automática (¡sin que le indiquemos la mejor orientación de la frontera!)
Partiendo de este ejemplo podemos definir el aprendizaje como el proceso mediante el cual el algoritmo aprovecha los datos para progresivamente y de forma automática mejorar su desempeño en una tarea específica.
Tipos de aprendizaje
En el Machine Learning existen 4 tipos de aprendizaje: el supervisado, el no supervisado y el aprendizaje por refuerzo.
En el aprendizaje supervisado debemos alimentar el algoritmo con unas características de entrada y además con sus etiquetas correspondientes (que pueden ser categorías o valores numéricos continuos)
Mientras que en el aprendizaje no supervisado alimentamos el algoritmo sólo con las características pero no introducimos las etiquetas de cada dato, el algoritmo se encarga de aprender a encontrar automáticamente esas etiquetas.
Por otra parte, el aprendizaje por refuerzo es totalmente diferente de los dos tipos de aprendizaje anteriores y de hecho es un campo completo en el Machine Learning. En este caso el objetivo es tener un agente que observará e interactuará con un entorno y que deberá aprender a ejecutar acciones para obtener la máxima recompensa posible como resultado de esta interacción. Como introducción a este tema puedes revisar el curso Aprendizaje por Refuerzo Nivel Básico, disponible en la Academia Online.
Recuerda suscribirte para acceder al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
Con lo visto en esta lección ya tenemos claro el concepto de aprendizaje y los tres principales esquemas de aprendizaje en el Machine Learning, así que en la próxima lección nos enfocaremos en un segundo concepto fundamental: hablaremos de las tareas y de los tipos de tareas en el Machine Learning.