Saltar al contenido ForoHackers

Aprendizaje automático: por dónde empezar

Aprendizaje automático
#332 · Ophuscado · · Denunciar

El aprendizaje automático consiste en construir programas que sacan su comportamiento de los datos en lugar de reglas escritas a mano: le muestras ejemplos, un método ajusta un modelo, y el modelo predice casos que no ha visto. Importa donde las reglas son demasiadas o demasiado difusas para escribirlas, como el spam, los precios, las averías o las recomendaciones.

Conceptos clave

  • Aprendizaje supervisado: aprender una correspondencia entre entradas y etiquetas conocidas, para clasificación o regresión.
  • Aprendizaje no supervisado: encontrar estructura sin etiquetas, como grupos, vistas de pocas dimensiones o anomalías.
  • Generalización: un modelo es bueno si funciona con datos nuevos; el sobreajuste es memorizar el conjunto de entrenamiento.
  • Particiones de entrenamiento, validación y prueba: se ajusta con una, y se informa con un conjunto de prueba que se toca una sola vez.
  • Características y fuga de datos: lo que ve el modelo, y la trampa de dejar que se cuele información del futuro o de la etiqueta.

Vocabulario

  • Función de pérdida: el número que el entrenamiento intenta hacer pequeño.
  • Hiperparámetro: un ajuste que se elige antes de entrenar, como la profundidad de un árbol o la fuerza de la regularización.
  • Regularización: una penalización o restricción que evita que el modelo ajuste el ruido.
  • Validación cruzada: repetir la partición de entrenamiento y validación en varios pliegues para estimar el error.

Qué estudiar, en orden

  1. Álgebra lineal, probabilidad y algo de cálculo: vectores, distribuciones, gradientes.
  2. Regresión lineal y logística a mano, con descenso de gradiente en NumPy puro.
  3. Árboles de decisión y conjuntos de árboles con scikit-learn sobre un conjunto tabular pequeño; ejecuta siempre una línea base primero.
  4. La evaluación bien hecha: matriz de confusión, precisión y exhaustividad, calibración, validación cruzada.
  5. Construye un proyecto completo: limpiar datos, partirlos, modelar, analizar los errores y escribir lo que falló.

Etiquetas relacionadas

#probability #data-science #deep-learning #ai-evaluation #optimization

Inicia sesión o únete para responder.