¿Qué es el aprendizaje automatizado?

El aprendizaje automatizado habilita a sistemas cognitivos a aprender, razonar y entrar en contacto con nosotros de formas más naturales y personalizadas. Esos sistemas nos ayudan a asumir problemas que hemos considerado irresolubles y utilizan toda la información que nos rodea para devolvernos el conocimiento o la sugerencia adecuada cuando más los necesitamos. Piense en las recomendaciones de películas de Netflix, en los anuncios de Internet que se basan en nuestros hábitos de navegación, o en incluso las inversiones en acciones. Todas estas son maneras en las que el aprendizaje automatizado nos ayuda a navegar por nuestro mundo de nuevas formas poderosas.

El aprendizaje automatizado ya ha avanzado mucho desde sus raíces primigenias de la matemática y estadística clásica. El aprendizaje automatizado actual utiliza modelos y algoritmos analíticos que aprenden de los datos de forma iterativa, así permite que las computadoras encuentren conocimientos ocultos sin tener que programar específicamente dónde tienen que buscar. Esto significa que los analistas y los científicos de datos pueden enseñar a las computadoras a resolver problemas, sin tener que volver a modificar las reglas cada vez que se presentan conjuntos de datos nuevos. Al utilizar algoritmos que aprenden buscando en cientos o miles de muestras de datos, las computadoras pueden hacer predicciones basándose en esas experiencias aprendidas para solucionar el mismo problema en situaciones nuevas. Y lo están haciendo con un nivel de precisión que está empezando a mimetizar la inteligencia humana.

El aprendizaje automatizado ahora está entrando en la corriente principal, y se utiliza como la metodología de respaldo para obtener la ventaja competitiva en una amplia gama de industrias, desde elcomercio minorista hasta la seguridad, desde complejos vacacionales hasta empresas de televisión por cable, desde equipos deportivos competitivos hasta exploradores espaciales.

¿Por qué el aprendizaje automatizado?

La demanda de aprendizaje automatizado está en expansión. Para permanecer relevante en la era cognitiva, las empresas utilizan cada vez más el aprendizaje automatizado para soportar analítica avanzada a través de un creciente número de industrias y proyectos. Algunos casos de uso incluyen:

  • Inteligencia del rendimiento. El equipo de ciclismo femenino de EE.UU. ha empleado tecnologías de nube, móviles y analítica para incrementar el rendimiento en Team Pursuit, un evento ciclista de 4 kilómetros.
  • Optimización de servicios. Un proveedor de Wi-Fi pública de alta demanda, SolutionInc, ha utilizado Spark para analizar su inmenso registro de datos de Wi-Fi, que cubre un periodo de 2 años, para generar conocimientos empresariales más profundos y precisos.
  • Minería de datos. Los investigadores del SETI (Búsqueda de Inteligencia Extraterrestre) Institute de Mountain View, CA, Estados Unidos, han utilizado algoritmos limitados para analizar datos de señales del Allen Telescope Array para detectar en tiempo real los patrones de las señales.

Conéctese

Herramientas para la ciencia de datos

Científicos de datos

Obtenga un acceso fácil a las últimas capacidades de ciencia y preparación de datos a través de los fiables servicios administrados de IBM. Y emplee el comprobado DataFirst Method para crear un plan de acción para tener éxito por la ciencia de datos.

Herramientas para la ciencia de datos

Asociados de negocios de Watson Data Platform

Los asociados de negocios de Watson Data Platform ofrecen el primer programa de su tipo, abierto para asociados, para construir relaciones dentro de la comunidad abierta de la analítica, directamente con los líderes empresariales, con los creadores de aplicaciones y con los expertos en tecnología, para reducir el tiempo que tardan en lograr el éxito.

Recursos de aprendizaje automatizado

 

La democratización del aprendizaje automatizado

Este whitepaper cubre cómo Apache Spark está ampliando el acceso al aprendizaje automatizado, a múltiples casos de uso de aprendizaje automatizado y por qué Apache Spark es la plataforma ideal para el aprendizaje automatizado.

 

Consejos prácticos de la ciencia de datos para los ingenieros de datos

Este ebook describe los componentes y procesos que forman parte de esta metodología básica para la ciencia de datos y aborda algunas de las herramientas y técnicas completas que hoy en día utilizan los ingenieros de datos para recopilar, procesar, analizar e implementar datos.

 

Infografía: Todos estamos en el negocio de los datos

Esta visualización de la ciencia de datos captura los diversos roles, habilidades e industrias que son más frecuentes en la práctica de la ciencia de datos. Su objetivo es ilustrar la amplitud y la profundidad de las relaciones complejas y de los patrones que emergieron de nuestra investigación.

¿Cómo empezar con IBM Data Science Experience?