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
- Álgebra lineal, probabilidad y algo de cálculo: vectores, distribuciones, gradientes.
- Regresión lineal y logística a mano, con descenso de gradiente en NumPy puro.
- Árboles de decisión y conjuntos de árboles con scikit-learn sobre un conjunto tabular pequeño; ejecuta siempre una línea base primero.
- La evaluación bien hecha: matriz de confusión, precisión y exhaustividad, calibración, validación cruzada.
- 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