Nevala, K. (2018). [e-Book] The Machine Learning Primer: A SAS Best Practices E-Book, SAS, 2018.
Con la llegada de los grandes datos, tanto la cantidad de datos disponibles como nuestra capacidad para procesarlo ha aumentado exponencialmente. La capacidad de las máquinas para aprender ha aumentado proporcionalmente. Con toda la atención puesta en el aprendizaje automático, muchos están buscando una mejor comprensión de este tema candente y de los beneficios que podría proporcionar a sus organizaciones. El aprendizaje automático -así como el aprendizaje profundo, el procesamiento del lenguaje natural y la computación cognitiva- están impulsando innovaciones en la identificación de imágenes, la personalización de campañas de marketing, la genómica y la navegación en el automóvil autopropulsado. Este libro proporciona una introducción a estas técnicas innovadoras, así como 10 buenas prácticas y una lista de comprobación para la preparación para el aprendizaje automático.
Los procesos que las máquinas utilizan para aprender se conocen como algoritmos. Diferentes algoritmos aprenden de diferentes maneras. A medida que se proporcionan nuevos datos sobre las respuestas observadas o los cambios en el entorno a la «máquina», el rendimiento del algoritmo mejora. Esto resulta en un aumento de la «inteligencia» con el tiempo. Un algoritmo de aprendizaje de una máquina es totalmente dependiente en los datos a los que está expuesto. Modificar los datos, modificar el resultado
El aprendizaje automático puede identificar oportunidades no identificadas previamente o problemas por resolver. Pero la máquina no es autónomamente creativa. El la máquina no desarrollará espontáneamente nuevas hipótesis a partir de hechos (datos) no como prueba. Tampoco puede la máquina determinar una nueva forma de responder a estímulos emergentes.
Universo Abierto 