Introducción
Los modelos de aprendizaje automático son algoritmos informáticos que usan datos para realizar estimaciones (suposiciones fundamentadas) o tomar decisiones. Los modelos de aprendizaje automático se diferencian de los algoritmos tradicionales en su diseño. Cuando es necesario mejorar un software de equipo tradicional, las personas lo editan. Por el contrario, un algoritmo de aprendizaje automático usa los datos para ser más eficaz al realizar una tarea específica.
Por ejemplo, los filtros de spam usan el aprendizaje automático. Hace 20 años, los filtros de spam no podían basarse en muchos ejemplos para aprender y no eran eficaces a la hora de identificar lo que era y lo que no era spam. A medida que ha ido llegando más spam y los usuarios humanos lo han ido etiquetando como correo no deseado, los algoritmos de aprendizaje automático han adquirido más experiencia y se han vuelto más eficaces.
Botas de la talla correcta
En este módulo, usaremos un escenario de ejemplo para explicar los principales conceptos sobre el aprendizaje automático.
En este escenario, usted es el propietario de una tienda que vende arneses para perros de rescate de avalanchas y recientemente ha ampliado su negocio para vender también botas para perros. Parece que los clientes escogen la talla correcta de arnés, pero suelen equivocarse de talla al pedir las botas para perros. El hecho de que la mayoría de los clientes compren arneses y botas en la misma transacción le da una idea: quizás podría basarse en el arnés escogido para aproximarse a la talla de botas para perros correcta. De esta manera, podría indicar a los clientes si la talla de las botas que han seleccionado es probablemente la correcta antes de que realicen la compra.
Durante este módulo, crearemos un modelo de aprendizaje automático que implemente esta idea. A lo largo del proceso, usaremos este escenario para presentarle algunos conceptos básicos del aprendizaje automático y mostrarle cómo usarlos en un entorno práctico.
Objetivos de aprendizaje
En este módulo, aprenderá a:
- Explorar la diferencia entre el aprendizaje automático y el software tradicional.
- Crear y entrenar un modelo de aprendizaje automático.
- Cargar un modelo y usarlo con datos nuevos.
Requisitos previos
Ninguno