Aprendizaje automático
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9323287/pasted-from-clipboard.png)
Frameworks
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9919638/pasted-from-clipboard.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9919639/pasted-from-clipboard.png)
Machine Learning
Deep Learning
Bibliografía
- Knox S. (2018). Machine learning: a concise introduction. Vol. 285. John Wiley & Sons.
- Jiang H. (2022). Machine Learning Fundamentals: A Concise Introduction. Cambridge University Press
- Goodfellow I., Bengio Y., & Courville A. (2016). Deep learning. MIT press.
- Jung A. (2022). Machine Learning: The Basics (Machine Learning: Foundations, Methodologies, and Applications). Springer.
Agenda
- Explorar, definir, e introducir el área de estudio
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9322319/pasted-from-clipboard.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9322321/pasted-from-clipboard.png)
Datos
Información
Tarea: segmentación de objetos
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9322394/pasted-from-clipboard.png)
Proceso
inteligente
"Pensar" como un proceso computacional
¿Qué es aprendizaje automático?
- Recopilamos datos (observables del entorno) con nuestros sensores
- Procesamos los datos para obtener información y reglas abstractas
- Almacenamos la información y las esas reglas abstractas
- Controlamos nuestras acciones en ese entorno
- Recordamos y usamos estas reglas cuando es necesario
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo percibimos el mundo?
![](https://c.tenor.com/0Zw_zMK5GjwAAAAC/the-beatles-mind.gif)
Deducción
Inducción
Recolectar datos
Procesar datos
Controlar las acciones
Almacenar patrones
Recordar las reglas
Usar las reglas
Encontrar patrones
¿Cómo abstraemos nuestra percepción?
![](https://i.gifer.com/hEj.gif)
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo sistematizamos nuestra percepción?
Los datos como recurso artificial (digital):
- Valor de utilidad
- Información
- Valor de intercambio
- Producto
R: metodología de análisis de datos (multivariables)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9322634/B190769-Page-23.drawio__1_.png)
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo modelamos "la percepción del entorno"?
Statistical learning
Machine learning
Deep learning
![](https://miro.medium.com/max/450/0*1FseORR2BjIBmP-M.gif)
![](https://thumbs.gfycat.com/ActiveCourteousAmericanindianhorse-max-1mb.gif)
R: métodos y arquitecturas de aprendizaje automático
![](https://miro.medium.com/max/1200/0*MgG8zoCB6CY4Fa19.gif)
La percepción del entorno como inspiración para la generación de conocimientos
No supervisado
Supervisado
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/5081302/Screen_Shot_2018-07-02_at_18.36.00.png)
Regresión
Clasificación
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/5081303/Screen_Shot_2018-07-02_at_18.36.55.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/5081300/Screen_Shot_2018-07-02_at_18.36.07.png)
Reforzado
Predicción
Descripción
Aprendizaje automático
Agrupación
Aprendizaje automático supervisado
Entrenamiento
Generalización
Aprendizaje
Modelo
Modelo
Datos observados
Aprendizaje
Aprendizaje
Modelo
Datos no observados
Validación
Error
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6801111/pasted-from-clipboard.png)
- 2008-2018
-
45 indicadores:
- educación, salud, alimentación y vivienda
- "generar información no sólo de acceso sino también de calidad"
- "crear herramientas para la elaboración de diagnósticos de cualquier política social"
Problema: modelo mutidimensional
¿Cómo medir la pobreza con ~45 variables?
Datos iid
(observables)
Método de aprendizaje
Parámetros & hiperparámetros
Distribución desconocida
Modelo
(basado en datos)
Propuesta de solución
Función desconocida
Generalización
53%
47%
input
output
Sistema tradicional
entrada
resultado esperado
modelo
Aprendizaje automático supervisado como sistema generador de conocimientos
variables explicativas \(X=\{x_1, x_2, \dots, x_n\}\)
variable explicada \(y\)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997683/pasted-from-clipboard.png)
Perspectiva inicial
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/7851730/pasted-from-clipboard.png)
🐒
🐒
🐒
🤖
🐒
¿Cómo funciona el aprendizaje automático supervisado?
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997696/pasted-from-clipboard.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997698/pasted-from-clipboard.png)
Epistemología y ciencia
(de datos)
ἐπιστήμη, epistēmē, knowledge, conocimiento
-λογία, -logia, -logy, -logía
El estudio del conocimiento
![](https://media1.giphy.com/media/trwNrNyRipi00/giphy.gif)
datos
Scientia, science, ciencia
(a.k.a conocimiento)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997717/pasted-from-clipboard.png)
Sistema para generar conocimiento
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997762/pasted-from-clipboard.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/848972/images/6997764/pasted-from-clipboard.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9524062/pasted-from-clipboard.png)
Enfoque desde la epistemología: la filosofía del conocimiento
¿Qué es conocimiento?
Evidencia
Datos
Modelo
Hipótesis
¿Cómo obtener conocimiento?
Enfoque de descubrimiento de conocimiento en bases de datos: la extracción no trivial de conocimiento implícito, previamente desconocido y potencialmente útil de los datos
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9919068/B190769-Page-25.drawio__2_.png)
¿Cómo obtener conocimiento?
Investigación y desarrollo: nuevas metodologías, métodos, arquitecturas; nuevos tiempos, viejos amigos.
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9919077/B190769-JCR_01_01.drawio__1_.png)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9524062/pasted-from-clipboard.png)
Set de hipótesis
Datos
Modelo
de aprendizaje
\(H\)
\({P(X,Y)}\)
Aprender conocimiento (relaciones) a partir de datos a través de un modelo basado en datos.
¿Cómo aprender de los datos?
\({\hat{f}}≈{f}\)
![](https://s3.amazonaws.com/media-p.slid.es/uploads/2058487/images/9828343/pasted-from-clipboard.png)
\({X}\)
\({Y}\)
\({h_1= \hat{f}}\)
El problema del aprendizaje: existe un conjunto conocido \(X\) y una función desconocida \(f\) en \(X\). Dados los datos, construye una buena aproximación \(\hat{f}\) de \(f\). Esto es aprender desde los datos.
¿Qué es aprender de los datos?
Set de hipótesis
Ejemplos de entrenamiento
Método de aprendizaje
\(H\)
\(P(X,Y)={(x_1, y_1)}{\dots}{(x_N,y_N)}\)
\({f:X \rightarrow{Y}}\)
Función entrenamiento-target desconocida
\(A\)
Final hypothesis
\({\hat{f}}≈{f}\)
Modelo o función de aprendizaje
Primera aproximación al aprendizaje automático supervisado
![](https://miro.medium.com/max/1200/0*MgG8zoCB6CY4Fa19.gif)
Problema de clasificación \(n-\text{dimensional}\)
Resumen
- Introducción y primera aproximación del área de estudio
- Enfoques y metodologías para el aprendizaje automático basado en datos
Machine Learning
By Goa J
Machine Learning
- 15