Resumen
En este módulo se han tratado algunas nuevas jergas importantes. A continuación, se resumirá lo que se ha aprendido:
El objetivo del aprendizaje automático es detectar patrones en los datos y usarlos para realizar estimaciones.
El aprendizaje automático se diferencia del desarrollo de software normal en que usamos código específico, en lugar de nuestra propia intuición, para mejorar el funcionamiento del software.
El proceso de aprendizaje usa, de forma conceptual, cuatro componentes:
- Datos, información de la que queremos aprender.
- Un modelo, que realiza estimaciones sobre los datos.
- Un objetivo que el modelo está intentando lograr.
- Un optimizador, que es el código adicional que cambia el modelo en función de su rendimiento.
Los datos pueden entenderse como características y etiquetas. Las características se corresponden con las posibles entradas del modelo, mientras que las etiquetas se corresponden con las salidas del modelo o las salidas del modelo que queremos.
Pandas y Plotly son herramientas eficaces para explorar los conjuntos de datos en Python.
Una vez que tenemos un modelo entrenado, podemos guardarlo en el disco para su uso posterior.