¿Qué es Machine Learning y Deep Learning?

En esta unidad veremos los conceptos fundamentales utilizados en Machine Learning y Deep Learning así como la preparación del entorno Python para poder desarrollar posteriormente nuestros proyectos de redes neuronales (Deep Learning).

El aprendizaje automático o Machine Learning habilita a los computadores aprender en base a la experiencia y el procesamiento de información sin ser explícitamente programados.

Existe mucha controversia entre términos relacionados con la inteligencia artificial, por eso vamos a diferenciar claramente qué es inteligencia artificial, Machine Learning y Deep Learning.

En la siguiente imagen se representan estos conceptos:

Como se observa, la inteligencia artificial engloba al Machine Learning y a su vez el Machine Learning engloba al Deep Learning.

Por tanto, la inteligencia artificial es el concepto más global por el cual las computadoras pueden realizar tareas de manera inteligente y el Machine Learning permite que las máquinas aprendan de los datos en base a una serie de algoritmos que veremos.

Una red neuronal (Deep Learning) emula el comportamiento de las neuronas en los seres humanos y sus interconexiones

A alto nivel, este sería el procedimiento cíclico que se sigue en las soluciones de Machine Learning y Deep Learning:

1. Entrenamiento

Generar el dataset y utilizarlo para entrenar y obtener el modelo.

2. Producción

Ejecutar el modelo a gran escala e intentar llegar los niveles de rendimiento esperados (Ej.: 95 % acierto)

3. Aprendizaje activo

Corregir errores de predicción mejorando el modelo paulatinamente conforme se tiene mayor volumen de datos, por tanto, volvemos al paso 1 entrenando de nuevo nuestra red neuronal.

En el siguiente vídeo aparece en detalle que es el Deep Learning, los diferentes tipos de aprendizaje automático que existen y sus aplicaciones: