Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 6 vistas

    Tecnología Machine Learning

    Cargado por

    sanchezcanodavidsantiago

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Tecnología Machine Learning

    Cargado por

    sanchezcanodavidsantiago
    6 vistas11 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    6 vistas11 páginas

    Tecnología Machine Learning

    Cargado por

    sanchezcanodavidsantiago

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 11

    TECNOLOGÍA MACHINE LEARNING

    Grupo expositor
    MIGUEL ANGEL GUTIERREZ ROJAS (2626999)
    DAVID SANTIAGO SANCHEZ CANO (2626999)
    JHON JAIRO FRANCO SENA (2626998)
    El Machine Learning, o aprendizaje automático, es una tecnología dentro del campo de la
    inteligencia artificial que se centra en el desarrollo de algoritmos y modelos que permiten a las
    computadoras aprender a partir de datos. En lugar de seguir estrictamente la programación
    tradicional, donde se especifican reglas explícitas, el Machine Learning permite a los sistemas
    informáticos aprender y mejorar automáticamente a partir de la experiencia.
    BENEFICIOS DEL ‘MACHINE LEARNING’
    EN EL ÁMBITO EMPRESARIAL
    Objetivos del Machine Learning:
    Predicción: Permitir a los sistemas predecir resultados futuros basados en datos históricos.
    Clasificación: Clasificar datos en categorías específicas.
    Reconocimiento de patrones: Identificar patrones y relaciones en conjuntos de datos.
    Optimización: Mejorar la eficiencia y efectividad de procesos y sistemas a través de la
    automatización y la optimización continua.
    Antecedentes del Machine Learning:
    El concepto de Machine Learning se remonta a la década de 1950, cuando los primeros intentos
    de crear programas informáticos que pudieran aprender de los datos fueron realizados por
    investigadores como Arthur Samuel. Desde entonces, el campo ha experimentado un
    crecimiento significativo, impulsado por avances en la capacidad computacional, la
    disponibilidad de grandes conjuntos de datos y algoritmos más sofisticados.
    Inteligencia Artificial (IA):
    La inteligencia artificial es un campo más amplio que abarca el desarrollo de sistemas y
    máquinas que pueden realizar tareas que normalmente requieren inteligencia humana, como el
    aprendizaje, la percepción, el razonamiento y la toma de decisiones.
    Modelos de Inteligencia Artificial:
    Orientado a la programación: Se basa en reglas y lógica predefinidas para tomar decisiones.
    Orientado a conexiones neuronales: Se inspira en el funcionamiento del cerebro humano,
    utilizando redes neuronales artificiales para el aprendizaje y la toma de decisiones.
    Ejemplos de productos con IA:
    Asistentes virtuales como Siri, Alexa y Google Assistant.
    Sistemas de recomendación de películas y música en plataformas como Netflix y Spotify.
    Vehículos autónomos que utilizan algoritmos de Machine Learning para la conducción
    autónoma.
    Consecuencias sociales, éticas y
    filosóficas:
    Impacto en el empleo: Algunos temen que la automatización impulsada por la IA pueda eliminar
    puestos de trabajo tradicionales.
    Privacidad: El uso de datos personales para alimentar algoritmos de IA plantea preocupaciones
    sobre la privacidad y la seguridad de la información.
    Sesgo y equidad: Los algoritmos de IA pueden perpetuar sesgos existentes en los datos, lo que
    plantea preguntas sobre la equidad y la justicia en su aplicación.
    Muchas gracias

    También podría gustarte