Detalles de Evento


Título: Machine Learning: aprendizaje supervisado vs aprendizaje no supervisado


Impartida por: Javier Álvarez Liébana (Departamento de Estadística e Investigación Operativa, Universidad de Granada)


Abstract: Con el Machine Learning sucede como con las emociones: a veces es más sencillo explicar "lo que no es" que "lo que es". Ante el auge del BigData y la necesidad de extraer de forma fácil y rápida información de grandes bloques de datos, el Machine Learning ha ido creciendo en importancia en la extracción de información. Podemos definir el Machine Learning de forma muy escueta como el conjunto de técnicas y algoritmos que nos permiten convertir los datos en información (aunque dicha información no sea revelada de forma obvia en los datos), la cual es orientada a la construcción de sistemas informáticos que sean capaces de aprender de sus propios errores sin que haya una programación explícita para conseguir tal fin. Esta última parte es la que diferencia el Machine Learning del Data Mining clásico y ya caduco: las técnicas de Machine Learning buscan extraer información de los datos para producir mejoras en sistemas informáticos y cambiar su comportamiento a futuro; las técnicas de Data Mining buscan solo buscan una mejora en la comprensión (humana) que se tiene de dichos datos.

Intentaremos en la charla hablar sobre los conceptos básicos del Machine Learning, sus aplicaciones y los diferentes tipos de aprendizaje: supervisado, no supervisado, estocástico, por refuerzo, etc.


4 de abril de 2016, 13:00, Seminario de la primera planta, IEMath-GR


Más información sobre este seminario aquí