¿QUÉ ES MACHINE LEARNING?
Es una rama de la inteligencia artificial, cuyo objetivo es crear técnicas que permitan a los sistemas informáticos aprender por sí mismos, en otras palabras se trata de desarrollar algoritmos capaces de generar comportamiento a partir de información que se les suministra en forma de ejemplos, la forma en que esta es comprendida se le conoce como machine learning.
Funcionalidad de Machine Learning en una empresa
Supongamos que una empresa tiene miles de clientes y es proveedora de servicios de internet, telefonía y televisión de paga. Esta empresa es a nivel nacional, cuenta con una base de datos de clientes y su historial el cual incluye todos sus datos de contacto, las direcciones registradas de domicilio, los planes que ha adquirido, con qué frecuencia utiliza los servicios, cómo ha realizado sus pagos, si es puntual o se ha retrasado y cuántos reportes de quejas tiene.
Toda esta información a nivel nacional y de todos los usuarios se le conoce como Big Data, en este caso, Machine learning juega un papel importante ya que se podría desarrollar un software que logre analizar toda la información, identificar qué comportamiento tuvieron las personas que cancelaron el servicio, analizando cuánto utilizaban el servicio, retraso en los pagos o quejas y de ahí se podría predecir qué clientes van a cancelar e implementar una acción.
Pero no solo se podría ejecutar una sola acción en concreto, se podrían implementar varias acciones a distintos perfiles de usuarios, Machine learning aprendería cada vez más de distintos tipos de opciones para retener a un usuario y así ser más óptimo el proceso de retención de clientes.
Esta información no podría ser analizada a detalle por un humano o varios, ya que se necesitan miles tan solo para poder analizar toda la información, lo que generaría grandes costos a la empresa, además de que no sería tan rápido como Machine learning.
Modelos de aprendizaje
Machine Learning tiene como objetivo ser un modelo para resolver una instrucción, entre los modelos que se distinguen están:
Modelos probabilísticos:
Son los que intentan determinar la probabilidad de una acción de acuerdo a la información (Big Data) que existe.
Modelos lógicos:
Son los que transforman y plasman las probabilidades en reglas ordenadas en forma diagramas de decisión.
Modelos Geométricos:
Se construyen en el espacio de instancias y pueden tener múltiples dimensiones vectoriales, si hay un camino de decisión y este es lineal, se dice que todos los datos son linealmente separables.
Un límite de decisión lineal se define como w*x= t, donde w es un vector perpendicular al límite de decisión, x es un punto arbitrario en el límite de decisión y t es el umbral de la decisión.
