Aplicaciones del Machine Learning

Para comentar las  diversas aplicaciones del ML primero vamos a diferenciar entre el Aprendizaje Supervisado y No Supervisado y el Aprendizaje por Refuerzo.

Aprendizaje Supervisado

En el Aprendizaje Supervisado los datos para el entrenamiento incluyen la solución deseada, llamada “etiquetas” (labels). Un claro ejemplo es al clasificar correo entrante entre Spam o no. Entre las diversas características que queremos entrenar deberemos incluir si es correo basura o no con un 1 o un 0. Otro ejemplo son al predecir valores numéricos por ejemplo precio de vivienda a partir de sus características (metros cuadrados, nº de habitaciones, incluye calefacción, distancia del centro, etc.) y deberemos incluir el precio que averiguamos en nuestro set de datos.

Los algoritmos más utilizados en Aprendizaje Supervisado son:

Aprendizaje No Supervisado

En el aprendizaje No Supervisado los datos de entrenamiento no incluyen Etiquetas y el algoritmo intentará clasificar o descifrar la información por sí solo. Un ejemplo en el que se usa es para agrupar la información recolectada sobre usuarios en una Web o en una app y que nuestra Inteligencia detecte diversas características que tienen en común.

Los algoritmos más importantes de Aprendizaje No supervisado son:

Aprendizaje por Refuerzo

Nuestro sistema será un “agente autónomo” que deberá explorar “un espacio” desconocido y determinar las acciones a llevar a cabo mediante prueba y error. Aprenderá por sí mismo obteniendo premios -recompensas- y penalidades la forma óptima para recorrer un camino, resolver un puzzle o comportarse por ejemplo en el Pac Man o en el Flappy Bird. Creará la mejor estrategia posible (políticas) para obtener la mayor recompensa posible en tiempo y forma. Las políticas definirán qué acciones tomar ante cada situación a la que se enfrente.

  • Procesos de Decisión de Markov (MDP: Markov Decision Process)

Aplicaciones de ML  y Ejemplos

Las aplicaciones más frecuentes del Machine Learning son:

Reconocimiento de Imágenes

Se utilizan diversos algoritmos para poder comprender imágenes sobre todo Deep Learning), encontrar algo en particular o agrupar zonas. Sabemos que las imágenes son conjuntos de pixeles continuos y cada uno contiene información del color que tiene que “iluminar” (por ejemplo RGB). Los ejemplos comunes son los de OCR Reconocimiento de Caracteres ópticos, es decir, encontrar letras, agruparlas, encontrar espacios y poder descifrar textos y el otro ejemplo es el de detectar personas en imágenes, presencia humana en cámaras de seguridad o más recientemente se utilizan redes neuronales para detectar rostros: reconocimiento facial, seguramente más de una vez Facebook fue capaz de localizar a tus primos y hermanos en tus álbumes de fotos.

Reconocimiento de Voz

A partir de las ondas de sonido sintetizadas por el micrófono de tu ordenador, smartphone o de tu coche, los algoritmos de Machine Learning son capaces de limpiar ruido, intuir los silencios entre palabras y comprender tu idioma para interpretar tus ordenes, ya sea “Siri, Agregar un Recordatorio para el lunes que viene” o “Ok Google, Poner música de Coldplay” o hasta hacer reservas y pedir pizza.

Clasificación

Consiste en identificar a que Clase pertenece cada individuo de la población que estamos analizando. Se le asignará un valor discreto de tipo 1, 0 como en la clasificación de Spam o no. También podría ser clasificar si un tumor es benigno o no o al clasificar flores según las características obtenidas.

Ver un ejemplo de Arbol de Decisión con Clasificación

Predicción

Similar a la clasificación pero para valores continuos, nos permite intentar predecir qué valor obtendremos dado un conjunto de datos de entrada con resultado desconocido. Como comentábamos antes, se puede utilizar para predecir precios de inmuebles, alquileres, coches o la probabilidad de que ocurra algún evento.

Segmentación de Audiencia

Se suele utilizar el aprendizaje no supervisado para crear y descubrir patrones no conocidos en el comportamiento de los clientes de una web, app o comercio. Estos algoritmos pueden descubrir grupos que desconocíamos por completo o agrupar ciertas características que se correlacionan y que nosotros difícilmente lo hubiéramos identificado.

Juegos

Podemos utilizar ML para dar inteligencia a los enemigos que tenga que enfrentar el usuario (protagonista) del juego. También se utiliza para hacer que nuestras tropas sepan como moverse y saltear obstáculos en un campo de batalla.

Coche Autónomo

En este campo se están ejecutando muchas de las investigaciones en Machine Learning para darle vida propia a los automóviles. Uno de los usos será para que el coche mueva el volante por si solo, analizando las imágenes, también para detectar otros vehículos y no chocar y hasta predecir cómo se están moviendo los demás para evitar accidentes. Detectar símbolos  de velocidad, Stop, zona escolar en la carretera. El coche tiene muchísimas decisiones que tomar y en muy poco tiempo, siendo todos cruciales y de alta prioridad. Es un caso muy interesante de estudio para el Machine Learning y se está volviendo una realidad.

Salud

Dados los sintomas presentados por un paciente en una base de datos de pacientes anónimos nuestra máquina deberá ser capas de predecir si es probable que esa persona pueda sufrir una enfermedad específica. Este tipo de Aprendizaje Automático es de suma delicadeza y puede servir como soporte para un equipo médico.

Economía y Finanzas

Se podrá dar soporte a analistas financieros intentando predecir determinadas cotizaciones de acciones en la Bolsa, ayudando a decidir si conviene comprar, mantener o vender.

Motores de Recomendación

Vemos una peli o una serie. Millones de personas ven esa misma serie. ¿No sería lógico que a mi me guste otra peli que vieron otros usuarios con un perfil similar al mio? Pues eso es lo que aprovechan Netflix y otros proveedores para poder recomendar contenidos a sus usuarios. Amazon es famoso por sus… “Si llevas ese producto, también te interesará este otro”. Esto también se consigue con este tipo de Aplicaciones del Aprendizaje Automático.

¿Te sientes con ganas de instalar un ambiente de desarrollo Python y comenzar a programar? Lee las Prácticas del blog

¿Qué otras aplicaciones  del Machine Learning conoces? ¿Utilizas Inteligencia Artificial en tu trabajo, estudios o investigación? Escríbeme un comentario y ayúdame a mejorar esta lista!

GuardarGuardar

GuardarGuardar

Leave a Reply