Aprendizaje Automático: El Aprendizaje Automático para principiantes que desean comprender aplicaciones, Inteligencia Artificial, Minería de Datos, Big Data y más

Por Herbert Jones

Si usted está en la etapa de principiante y busca obtener nuevos conocimientos sobre el aprendizaje automático, entonces siga leyendo...

No escuche este audiolibro si usted está buscando un libro de texto aburrido que contenga mucha jerga de matemáticas y programación.

Todos los días, alguien está renunciando a aprender sobre el aprendizaje automático. Muchas personas se pierden de continuar su carrera, y tal vez incluso el progreso de nuestra especie sin ni siquiera darse cuenta.

Verá, la mayoría de los principiantes cometen los mismos errores cuando profundizan en el tema del aprendizaje automático. Comienzan con un recurso que contiene demasiados datos no relacionados, matemáticas y lenguaje de programación que los dormirá en lugar de encender su pasión.

Pero eso está a punto de cambiar. Este nuevo libro sobre aprendizaje automático explicará los conceptos, los métodos y la historia detrás del aprendizaje automático, incluida la forma en que nuestras computadoras se volvieron mucho más potentes, pero infinitamente menos inteligentes que nunca y por qué todas las empresas de tecnología y su abuela quieren seguirnos las 24 horas del día, los 7 días de la semana, desviando los puntos de datos de nuestros dispositivos electrónicos para que sean procesados por sus programas que luego intentan convertirse en bolas de cristal virtuales, prediciendo nuestros pensamientos antes de que incluso los tengamos.

La mayor parte del libro parece ciencia ficción porque, en cierto sentido, va mucho más allá de lo que una persona promedio estaría dispuesta a creer que está sucediendo.

Estos son algunos de los temas que se tratan en este libro:

- ¿Qué es el aprendizaje automático

- ¿Cuál es el punto de aprendizaje automático?

- Historia del aprendizaje automático

- Redes neuronales

- Emparejando el cerebro humano

- Inteligencia artificial

- IA en la literatura

- Robots que hablan y caminan

- Automóviles de auto conducción

- Asistentes personales activados por voz

- Minería de datos

- Redes sociales

- ¡Y mucho más!

¡Obtenga este libro ahora para aprender más sobre el aprendizaje automático!

• Idioma: Español
• Editorial: Herbert Jones
• Fecha de lanzamiento: 29 may 2019
• ISBN: 9781393220503

Vista previa del libro

© Copyright 2019 by Herbert Jones

Todos los derechos reservados. Ninguna parte de este libro puede ser reproducida de ninguna forma sin el permiso escrito del autor. Los reseñantes pueden citar pasajes breves en los comentarios.

Cláusula de exención de responsabilidad: Ninguna parte de esta publicación puede reproducirse o transmitirse de ninguna forma ni por ningún medio, mecánico o electrónico, incluidas fotocopias o grabaciones, ni por ningún sistema de almacenamiento y recuperación de información, ni transmitirse por correo electrónico sin la autorización escrita del editor.

Si bien se han realizado todos los intentos para verificar la información provista en esta publicación, ni el autor ni el editor asumen ninguna responsabilidad por los errores, omisiones o interpretaciones contrarias del contenido aquí presente.

Este libro es solo para fines de entretenimiento. Las opiniones expresadas son solo del autor y no deben tomarse como instrucciones u órdenes de expertos. El lector es responsable de sus propias acciones.

El cumplimiento de todas las leyes y normativas aplicables, incluidas las leyes internacionales, federales, estatales y locales que rigen las licencias profesionales, las prácticas comerciales, la publicidad y todos los demás aspectos de realizar negocios en los EE.UU., Canadá, el Reino Unido o cualquier otra jurisdicción es de exclusiva responsabilidad del comprador o lector

Ni el autor ni el editor asumen ninguna responsabilidad u obligación alguna en nombre del comprador o lector de estos materiales. Cualquier desaire percibido de cualquier individuo u organización es puramente involuntario..

Introducción

Sentado cómodamente sobre el grueso cojín, Mark Zuckerberg tomó un sorbo de agua y respondió con calma: Senador, tendré que responderle a esa pregunta. Era marzo de 2018, estaba en el centro de la audiencia de Cambridge Analytica y sus 44 interlocutores del congreso (su edad promedio era 62) luchaban para comprender cómo funciona Facebook. En lo que respecta a Mark, no solo esquivó una bala, sino que esquivó un meteorito que amenazaba con volar el esquema de recolección de datos más insidioso de la década. Nadie entendió el verdadero significado del escándalo de Cambridge Analytica, ni el congreso, ni el público en general ni los expertos de los medios, y Mark no estaba dispuesto a contarlo. Cambridge Analytica, una compañía externa, obtuvo una enorme cantidad de datos personales de usuarios confiados de Facebook que luego ingresaron a una máquina para intentar predecir el comportamiento electoral de esas personas. En resumen, se trataba del aprendizaje automático.

Este libro explicará los conceptos, los métodos y la historia detrás del aprendizaje automático, incluida la forma en que nuestras computadoras se hicieron mucho más poderosas, pero infinitamente más estúpidas que nunca y por qué todas las empresas de tecnología y su abuela quieren seguirnos las 24 horas del día, los 7 días de la semana. desviando los puntos de datos de nuestros dispositivos electrónicos para que sean aplastados por sus programas que luego se convertirán en bolas de cristal virtuales, prediciendo nuestros pensamientos antes de que incluso los tengamos. La mayoría se lee como ciencia ficción porque, en cierto sentido, es mucho más allá de lo que una persona promedio estaría dispuesta a creer que está sucediendo.

Hay un montón de jerga matemática y programación en el aprendizaje automático, pero al ver que esta es una lectura destinada a los principiantes, se ha reducido todo lo posible y se ha puesto al final de este libro mientras se mantienen los conceptos intactos. No es necesaria ninguna experiencia o educación en particular para entender este libro, pero si el lector la tiene, espero que esta guía sea una lectura perspicaz y agradable.

Capítulo 1- ¿Qué es el aprendizaje automático?

La definición real del aprendizaje automático es hacer que una computadora haga una tarea y darle una experiencia que haga que la computadora haga mejor la tarea. Es como si le enseñáramos a la máquina a jugar un videojuego y dejar que suba de nivel por sí sola. La idea es evitar cambiar manualmente el código en el programa, sino hacerlo de tal manera que pueda construirse por sí mismo, adaptarse a las entradas de los usuarios en tiempo real y simplemente tener un control humano de confianza de vez en cuando. Si las cosas van mal, apáguelo todo, vea dónde surgió el problema y reinicie el proyecto actualizado.

Puede haber un ser humano involucrado desde el principio si el aprendizaje automático implica un aprendizaje supervisado, en el que una persona ayuda al programa a reconocer patrones y sacar conclusiones sobre cómo se relacionan; de lo contrario, se trata de un aprendizaje no supervisado, en el que se deja que el programa encuentre significado en una masa de datos de la que se alimenta. Los filtros de spam de correo electrónico son un gran ejemplo de aprendizaje supervisado, donde usted hace clic en el botón Spam y la máquina aprenderá de él, buscando similitudes en los correos electrónicos entrantes para lidiar con el spam antes que nosotros. Un ejemplo de aprendizaje automático no supervisado sería un programa de análisis de tendencias que examina el mercado de valores tratando de averiguar por qué se movió una acción determinada y cuándo se moverá de nuevo. Cualquier ser humano no sabría por qué sucedieron las tendencias, así que la respuesta de la máquina es tan buena como cualquier otra. Si sus predicciones generan una fortuna, mantenemos el programa en marcha.

Existen diferentes subtipos de aprendizaje automático, cada uno de los cuales puede ser utilizado como supervisado o no supervisado con diferente eficiencia:

Clasificación: la máquina tiene que proporcionar un modelo que etiqueta los datos entrantes basándose en lo que se etiquetó como datos anteriores (los filtros de spam clasifican los correos electrónicos como spam o no spam).

El análisis de regresión: es una forma de recopilar datos estadísticos y producir una predicción de tendencias futuras basada en la forma en que las variables se relacionan entre sí.

La estimación de la densidad: muestra la probabilidad subyacente para cualquier distribución dada (como el ejemplo de Bob y Fred que se menciona a continuación).

La reducción de dimensiones: es una forma de simplificar las entradas y encontrar propiedades comunes (por ejemplo, un algoritmo de clasificación de libros que intentaría clasificar los libros en géneros basados en palabras clave en los títulos).

El