¿Nuevos? horizontes: #MachineLearning

Machine Learning no es algo nuevo. Sin embargo, poco tiene que ver el Machine Learning de nuestros días con las soluciones de aprendizaje automático del pasado.

Actualmente, gracias al desarrollo de las nuevas tecnologías informáticas, es posible aplicar algoritmos en volúmenes de datos que crecen y varían a gran velocidad. Se trata de modelos que son capaces de ir adaptándose de forma independiente y que hacen posible desde el desarrollo de programas de recomendaciones en línea hasta, por ejemplo, la aparición de vehículos que se conducen de manera autónoma.

¿Qué es Machine Learning?

A grandes rasgos podríamos decir que el Machine Learning o aprendizaje automático es un tipo de Inteligencia Artificial dirigido al desarrollo de técnicas para que las máquinas puedan aprender y tomar decisiones por sí mismas.

Este aprendizaje es posible gracias a la detección de patrones dentro de un conjunto de datos de manera que es el propio programa el que predice qué situaciones podrían darse o no. Estos cálculos son los que les permiten aprender para, finalmente, generar decisiones y resultados fiables.

Machine Learning Supervisado y Machine Learning no Supervisado

El Machine Learning es un campo muy amplio. Su rápida expansión está haciendo, además, que este se vea continuamente dividido en diferentes especialidades entre las que cabe destacar:

  • Machine Learning Supervisado. Es el más utilizado y requiere de intervención humana para la creación de etiquetas en el histórico de datos de manera que la máquina pueda predecir un resultado probable a partir de las mismas. Este método se utiliza, por ejemplo, para la predicción de posibles reclamaciones en sistemas de atención al cliente.
  • Machine Learning no Supervisado. El aprendizaje no supervisado es menos común y utiliza datos históricos que no han sido etiquetados. El objetivo es encontrar patrones a partir del propio análisis de datos. Un uso muy frecuente es el de segmentación de clientes con atributos similares para campañas de marketing.

Como resultado, lo que obtenemos son predicciones de alto valor que derivan en acciones inteligentes a tiempo real.

¿Cuál es el impacto del Machine Learning en los negocios?

En pocas palabras, podría afirmarse que su impacto está siendo y será enorme. A corto plazo lo más probable es que el Machine Learning se siga empleando como una solución adquirida. Sin embargo, a largo plazo será muy posible encontrar métodos de Machine Learning diseñados a medida según las necesidades de cada empresa.

Existen ciertos sectores en los que el Machine Learning resulta clave para la toma de decisiones. En el ámbito quirúrgico, por ejemplo, resultaría de gran utilidad a la hora de decidir si es conveniente llevar a cabo una operación partiendo de la tasa de éxito y de las características personales de pacientes anteriores. En el campo de los negocios sus aplicaciones son de lo más diversas permitiendo desde establecer en qué fechas es mejor subir o bajar los precios de acuerdo a la demanda, hasta estimar si el ritmo de las ventas está siendo óptimo en un momento dado.

Machine Learning Applications

Aplicaciones del Machine Learning

El aprendizaje automático prácticamente cuenta con tantas aplicaciones como imaginemos, pudiéndose adaptar a tantas situaciones como datos con los que contemos.

Motores de búsqueda, diagnósticos médicos, reconocimiento del habla y del lenguaje, robótica… Entre otras, éstas son algunas de las actividades de nuestro día a día que se ven impulsadas por el machine learning:

  • Detección de rostro. Podemos verlo en nuestras cámaras móviles.
  • Reconocimiento facial, de voz o de objetos.
  • Buscadores. Para mejorar los resultados y sugerencias de búsqueda.
  • Anti-spam. Mediante el uso de etiquetas.
  • Anti-virus. Para la detección de software malicioso.
  • Genética. Por ejemplo, en la clasificación de secuencias de ADN.
  • Predicción y pronósticos. De clima, tráfico o para evitar fallos tecnológicos en equipos.
  • Comprensión de textos. Se aplica a resúmenes estructurados de noticias o comentarios sobre un tema específico.
  • Vehículos autónomos y robots.
  • Métodos de optimización más rápidos y flexibles. Se evalúa qué momento es el adecuado para una tarea concreta.
  • Análisis de imágenes de alta calidad.
  • Análisis de datos económicos. Para operar en el mercado de valores o evitar el fraude en transacciones.
  • Análisis de comportamiento de consumo y productividad. Para la identificación de clientes potenciales, prever qué empleados pueden ser más rentables, adaptar servicios a las necesidades del usuario…

El Machine Learning resulta especialmente efectivo en problemas de naturaleza compleja en los que la aplicación de algoritmos ayuda a la obtención de soluciones precisas y, claro está, con el consecuente ahorro de tiempo que este método implica.

FuenteIntelygenz

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s