Blog

Machine Learning: la solución para el análisis de grandes volúmenes de datos
Análisis de datos, Analítica, Inteligencia Artificial

Machine Learning: la solución para el análisis de grandes volúmenes de datos

El Machine Learning, es uno de los términos “boom” de la actualidad. No solo está involucrado en la industria TI (Tecnologías de la información), sino también en diversas industrias y ciencias que se ven involucradas en todo este ámbito tecnológico. Pero, te has preguntado, ¿Qué es?

Historia

Para definir el concepto de Machine Learning, hay que devolvernos un poco en la historia; específicamente a 1950 cuando Alan Turing (Padre de la computación y precursor de la Inteligencia Artificial), creó el “Test de Turing”, el cual es una prueba para determinar si una máquina puede o no puede pensar. Sin ir más lejos, Turing toma como inspiración un juego de imitación donde una persona debe interrogar a un hombre y a una mujer para determinar quién es la mujer. Así mismo, el “Test de Turing”  se concibe como un experimento que consiste en interrogar a una persona y una máquina para determinar quién es la máquina poniendo a prueba la inteligencia que esta posee.

“Una computadora puede ser llamada inteligente si logra engañar a una persona haciéndole creer que es un humano”


Alan Mathison Turing. (1912-1954).

Como Alan Turing, existieron muchos precursores en el estudio de la Inteligencia Artificial; creadores de programas y juegos que servían como reto a las personas, como por ejemplo Arthur Samuel (Pionero en el campo de los juegos informáticos y  precursor de la Inteligencia Artificial), quien desarrolló un programa que jugaba a las damas y mejoraba su juego a medida que iba perdiendo, demostrando un concepto de inteligencia artificial.

En la actualidad empresas como Google, Amazon, IBM y Microsoft enfocan parte de su investigación en la Inteligencia Artificial y ofrecen productos que trabajan con Machine Learning.

Por consiguiente, el Machine Learning es una aplicación de la Inteligencia Artificial, la cual provee a los sistemas la habilidad de aprender y mejorar automáticamente a partir de la experiencia sin ser programada explícitamente. Es decir, son “robots” que tienen la capacidad de aprender a realizar una tarea, mejorar su rendimiento y presentar mejores resultados posiblemente superiores que los de un humano.

Gracias a esto, hoy en día las herramientas de aprendizaje automático se están convirtiendo en soluciones muy eficientes para las empresas. La Inteligencia Artificial en áreas de cumplimiento, es por ejemplo una tendencia mundial para ayudar a mejorar los procesos AML de las compañías.

¿Cómo es posible que una máquina pueda aprender y mejorar tareas humanas?

Durante casi 70 años de trabajo e investigación, se han desarrollado métodos y algoritmos que básicamente hacen que la máquina solo se enfoque en observar datos, ver ejemplos, dar instrucciones y hasta vivir experiencias en las que la máquina identifica patrones para que en un futuro tome siempre las mejores decisiones basadas en la información y experiencia que ha adquirido.

Aprendizaje Supervisado y Aprendizaje no Supervisado

Para aplicar el Machine Learning es necesario saber qué método utilizar, debido a que tenemos dos tipos aprendizaje: El Supervisado y No Supervisado.

El aprendizaje supervisado consiste en entregar a la máquina información etiquetada, con el fin de que esta aprenda a clasificar. Por ejemplo, en un caso de clasificación de imágenes se le entrega a la máquina ilustraciones de las diferentes razas de perros y la máquina conocerá todas estas variantes e identificará patrones en dichas razas para que en un futuro, cuando le enseñen una nueva, esta determine cuál  es o si debe aprenderla.

Con el aprendizaje no supervisado, no se le entrega información etiquetada a la máquina, sino que se le dan criterios y características para que realice la clasificación, extrayendo la estructura y patrones de cada reto y aprendiendo de estos. Este método es usado comúnmente para clustering y detección de anomalías.

Es así como el Machine Learning ha permitido el análisis de cantidades masivas de datos. Generalmente proporciona resultados rápidos y precisos para identificar oportunidades rentables o riesgos peligrosos, pero esto puede requerir tiempo y recursos adicionales para capacitarse adecuadamente.

En conclusión, la combinación del Machine Learning con la Inteligencia Artificial y las tecnologías cognitivas, puede hacer que sea aún más efectivo el procesamiento de grandes volúmenes de información.

De acuerdo a todo lo anterior, ¿Será posible que las máquinas puedan llegar a manejar los niveles de abstracción conceptual de un humano?.

Mediante el siguiente vídeo, vea un ejemplo de cómo se aplica Machine Learning en un caso de Anti-Money Laundering.

Autor: W.Casas

Comentarios (4)

  1. Gustavo
    5 Abril, 2019

    Muy buen artículo. Articulado, consistente y de fácil entendimiento.

    Saludos

    1. Stradata
      8 Abril, 2019

      Buenas tardes Gustavo. Muchas gracias por su comentario. Nos alegra que este artículo haya sido de su agrado.

      Saludos

  2. David Pulido
    5 Abril, 2019

    Un artículo muy interesante sin duda. tendencia que se debe tomar en cuenta para la cantidad de datos que abundan hoy en día.

    1. Isabel Restrepo
      8 Abril, 2019

      Buenas tardes David. Muchas gracias por su comentario. Así es, esta es una tendencia que ahora se está volviendo necesaria.
      Saludos

Deja tu comentario aqui