MLATI7I0724
uniminuto.opm
Created on July 10, 2024
More creations to inspire you
HOW-TO GUIDE TO OPINION ESSAY
Personalized
KEY WOMEN IN SCIENCE
Personalized
FLYER HALLOWEEN
Personalized
DAILY SPECIALS VERTICAL MENU
Personalized
AQUAPONICS
Personalized
HUMAN RIGHTS INFOGRAPHIC
Personalized
THE EVOLUTION OF THE THERMOMETER INFOGRAPHIC
Personalized
Transcript
Aprendizaje supervisado
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Semana 7
Esta estructura ampliada proporciona una visión detallada del aprendizaje supervisado, destacando su definición, proceso, aplicaciones y beneficios.
MLATI7I0724
Instrucciones para áreas que cuentan con dos o más elementos interactivos:
Machine Learning
Instrucciones para áreas que solamente cuentan con un elemento interactivo:
Preguntade refuerzo
<- Paleta de colores PRINCIPAL
Colores secundarios
Aprendizaje supervisado
¿Qué es el aprendizaje supervisado?
Proceso del aprendizaje supervisado
Aplicaciones del aprendizaje supervisado
Beneficios del aprendizaje supervisado
Ley de Protección de Datos Personales
El aprendizaje supervisado es una poderosa herramienta en Machine Learning que permite a las máquinas aprender a partir de ejemplos etiquetados, facilitando la automatización de tareas complejas y la toma de decisiones precisas.
Dé clic en el apartado para conocer su contenido y al finalizar responda la pregunta de refuerzo.
Pase el cursor sobre el elemento para conocer más información.
Dé clic en el apartado para conocer su contenido.
Pase el cursor sobre cada elemento para conocer más información.
Dé clic en cada apartado para conocer su contenido.
¡A practicar!
Seleccione la respuesta correcta y dé clic en enviar.
Ejemplos de algoritmos de aprendizaje automático
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.
Instrucciones para áreas que cuentan con dos o más elementos interactivos:
Instrucciones para áreas que solamente cuentan con un elemento interactivo:
Preguntade refuerzo
<- Paleta de colores PRINCIPAL
Colores secundarios
Regresiónlineal
Regresiónlogística
Árboles dedecisión
Bosquesaleatorios
Máquinas de Soporte Vectorial (SVM)
Redes neuronales
Dé clic en el apartado para conocer su contenido y al finalizar responda la pregunta de refuerzo.
Pase el cursor sobre el elemento para conocer más información.
Dé clic en el apartado para conocer su contenido.
Pase el cursor sobre cada elemento para conocer más información.
Dé clic en cada apartado para conocer su contenido.
¡A practicar!
Dé clic en "Volver a contestar" si desea responder nuevamente las preguntas.
Seleccione la respuesta correcta y dé clic en enviar.
Boschetti, A. y Massaron, L. (2018). Python Data Science Essentials : A practitioner's guide covering essential data science principles, tools, and techniques. Packt Publishing. https://ebookcentral.proquest.com/lib/bibliouniminuto-ebooks/reader.action? docID=5532279&ppg=1Moocarme, M., So, A. y Maddalone, A. (2021). The TensorFlow Workshop: A Hands-on Guide to Building Deep Learning Models From Scratch Using Real-world Datasets. Packt Publishing. https://research-ebsco-com.ezproxy.uniminuto.edu/c/7boqt4/search/details/c6322zy5q5? limiters=None&q=tensorflow&db=e000xwwVéliz Capuñay, C. (2020). Aprendizaje automático: Introducción al aprendizaje profundo. Pontificia Universidad Católica del Perú. https://research-ebsco-com.ezproxy.uniminuto.edu/linkprocessor/plink?id=15f5df3b-d584- 3e52-9acd-00c29c27510f
Referencias:
©UNIMINUTO. Todos los derechos reservados. Todos los derechos de Propiedad Industrial e Intelectual de este material son propiedad exclusiva de la Corporación Universitaria Minuto de Dios.
- Definición.
- Objetivos.
- Recolección de datos.
- Selección del modelo.
- Entrenamiento del modelo.
- Evaluación del modelo.
- Predicción y generalización.
- Clasificación.
- Regresión.
- Reconocimiento de patrones.
- Traducción automática.
- Precisión.
- Interpretación.
- Aplicación generalizada.
Uso: Predicción de valores continuos.Ejemplo: Predicción del valor de una casa basada en características como tamaño y ubicación.
Uso: Problemas complejos y no lineales.Ejemplo: Reconocimiento de voz y de imágenes.
Uso: Clasificación y regresión.Ejemplo: Clasificación de imágenes de dígitos escritos a mano.
Uso: Clasificación binaria.Ejemplo: Predicción de si un correo electrónico es spam o no.
Uso: Clasificación y regresión.Ejemplo: Clasificación de pacientes como de alto o bajo riesgo basado en sus historiales médicos.
Uso: Clasificación y regresión, ensamble de múltiples árboles de decisión.Ejemplo: Predicción de la clasificación de especies de plantas basadas en sus características.