Manuel Maldonado López

Slides:



Advertisements
Presentaciones similares
Introducción a la minería de datos
Advertisements

ANALISIS SOBRE LA CARGA DE TRABAJO EN EL LABORATORIO VS ATENCIÓN AL CLIENTE JUNIO 2009.
RESUMEN En este artículo se describe en forma breve una de las líneas de investigación que se están llevando a cabo en el Laboratorio de Tecnologías Emergentes.
Catedrales españolas Música:Campanas de Monserrat Y “Ave María” de Pavarotti y R. Carlos.
Limpiezas Arial Limpiezas para empresas, colegios, casas …
Métodos de Pronostico Suscribase a
VENTA MARZO 182, VENTA ABRIL 109, $ 95,
Septiembre 12, 2015 Bogotá, Colombia #sqlsatBogota.
1 Introducción a la minería de datos. 2 Temario ¿Qué es minería de datos? ¿Qué es minería de datos? ¿Quién usa minería de datos? ¿Quién usa minería de.
BusCar Localizacion Automatica.
Gestión comercial y servicio de atención al cliente Unidad 2. Conocimiento del mercado Gestión comercial y servicio de atención al cliente Unidad 2. Conocimiento.
Mercado del Software Libre en el Perú y el Mundo por Fernando P. García.
A SPECTOS A C ONSIDERAR EN EL M ONITOREO DEL A GUA S UBTERRÁNEA F ONDOS DEL AGUA Presenta: Dr. Jürgen Mahlknecht
Son células pluripotentes que tienen la capacidad de regenerar órganos y tejidos y pueden convertirse en una de las 200 variedades celulares. La sangre.
Knowledge Management Fuente:. ¿Que es Gestión Del Conocimiento? Es un proceso que ayuda a las organizaciones a identificar, seleccionar, organizar, diseminar.
Auditoría de gestión Sánchez Pincay laura Karina trávez mero Gabriela Alexandra rosero pachay Evelin párraga cuenca maría victoria espinal anggie SANTANA.
CONTROL INTERNO Ing. Yolfer Hernández, CIA Seguridad y Auditoria de Sistemas Ciclo
M r 2016.
Rol de la Planificación de la cadena de suministro
Para qué sirve un informe
Ing. Juan Carlos Barrera Mendieta
DEPARTAMENTO DE ELECTRICA Y ELECTRÓNICA
El éxito de alinear la gestión de los datos con el negocio de O&M
¿Que es el Comercio Electrónico?
Noticia: Convenio de Big Data con España El acuerdo por cuatro años brinda la tecnología para investigación de mercado. La herramienta.
EDUMOVIL: Cómputo Inteligente Aplicado a la Educación e Ingeniería
Herramienta de Gestión de Inventario de Activos
Evolución de paradigmas y lenguajes de Programación
Inteligencia de Negocios Business Intelligence (BI)
INFORMACION PARA INFORMACION PARA LA GESTION DE RIESGOS
Zelene Estefanía Reyes López
DEFENSA DEL TRABAJO DE TITULACIÓN
Introducción a Copernicus Land: seguimiento de cambios en el territorio Elisa Rivera Mendoza. Coordinadora del Foro de Usuarios de Copernicus en España.
CLIMOGRAMAS CAPITALES DE PROVINCIA EN ESPAÑA. Relación por orden alfabético de.
TECNICAS DE CONTROL INTEGRANTES: Angie Paola Bautista Ana Yara
INSTITUTO TECNOÓGICO SUPERIOR DE LIBRES
Análisis de Resultados Preliminares Colciencias 2017
Inteligencia de Negocios Business Intelligence (BI) Una herramienta para tomar decisiones.
Alianzas estratégicas en mercados internacionales
Universidad técnica esmeraldas “Luis Vargas torres” Ext. La concordia AUTORES: LISETH GUANUCHI VIVIANA JULIETH CHIMBAY Delgado Vera José Daniel TEMA: DESARROLLO.
Machine Learning para principiantes
Modelos Administrativos
APLICACIÓN DE NUEVAS TECNOLOGÍAS EN LA CONSERVACIÓN Y ANÁLISIS DEL PATRIMONIO CULTURAL Herramientas para la Investigación.
I. NORMATIVIDAD VIGENTE Y ENTES DE CONTROL.
La inteligencia artificial es aquella que trata de explicar el funcionamiento mental basándose en el desarrollo de algoritmos para controlar diferentes.
 La minería de datos o exploración de datos (es la etapa de análisis de "Knowledge Discovery in Databases" o KDD) es un campo de la estadística y las.
COMPETENCIAS PROFESIONALES DE LOS ECONOMISTAS
Introducción a la Estadística Informática 2016 – 1
UNA CONTRIBUCIÓN A LA GESTIÓN DE LA INFORMACIÓN DE CIENCIA, TECNOLOGÍA E INNOVACIÓN Universidad de las Ciencias Informáticas Centro de Gobierno Electrónico.
Predicción de fallos en redes bancarias mediante Machine Learning
La empresa como sistema
UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE
Musica:Ynstrumental-Que Viva España.- Fotografia:Internet.-
GESTIÓN DE REUTILIZACIÓN DE INSTALACIONES (GRI)
Lingüística computacional
“SISTEMA INFORMÁTICO”
CLASIFICACION DE LOS SISTEMAS DE INFORMACION Sistemas de Información Sistemas de apoyo a las operaciones Sistemas de apoyo gerencial Sistemas de procesamiento.
Servicio de Informática LA SANIDAD Y LA SOCIEDAD DE LA INFORMACION Gerardo Colás Madrid Jefe del.
Inteligencia de Negocios Business Intelligence (BI) Una herramienta para tomar decisiones.
Análisis del fraude a las aseguradoras Ing. Leonardo S. Andekian
Materia: Docente responsable: Ing. Katiana C. Marquez.
INTELIGENCIA DE NEGOCIOS TRABAJO GRUPAL DE INVESTIGACIÓN “Machine Learning” Profesor: Héctor Hugo Hidalgo Pérez Universidad de las Américas Abril 2019.
26 y 27 de marzo 2019, Santo Domingo
Modelo conceptual de redes inteligentes Javier A. Rosero García, Ph.D
TRABAJO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍTULO DE MAGÍSTER EN GERENCIA DE SISTEMAS TEMA: “DISEÑO DE UNA GUÍA CORPORATIVA PARA IMPLEMENTAR APLICACIONES.
Universidad Nacional Amazónica de Madre de Dios Facultad de Ingeniería-Escuela Profesional de Ingeniería de Sistemas Mag. Ing. Denys Alberto Jaramillo.
¿Qué son los Paradigmas de Programación?  Es una propuesta tecnológica, la cuál es adoptada por una comunidad de programadores cuyo núcleo central es.
Sistemas de Información para la Salud (IS4H)– Arquitectura de proyecto
Econometría financiera Retorno y riesgo. ¿Qué es la econometría financiera? La econometría consiste en dar un contenido empírico a un razonamiento económico.
TIPOS DE ALGORITMO DE APRENDIZAJE Aprendizaje Supervisado Aprendizaje no Supervisado Aprendizaje por Refuerzo.
Transcripción de la presentación:

Manuel Maldonado López Machine Learning Manuel Maldonado López © Copyright VIEWNEXT 2016

¿Qué es Machine Learning? © Copyright VIEWNEXT 2016

Machine Learning es aprendizaje automático Aprender de los datos No programación explícita Descubrimiento de patrones ocultos Toma de decisiones basada en los datos © Copyright VIEWNEXT 2016

Programación tradicional VS Machine Learning Datos Computadora Resultado Programa Machine Learning Datos Computadora Programa Resultado © Copyright VIEWNEXT 2016

Programación tradicional VS Machine Learning Un ejemplo: el SPAM © Copyright VIEWNEXT 2016

Multidisciplinar © Copyright VIEWNEXT 2016

Ejemplo de aplicación Detección de fraude en tarjetas de crédito © Copyright VIEWNEXT 2016

Recomendaciones de compra Ejemplo de aplicación Recomendaciones de compra © Copyright VIEWNEXT 2016

Otros ejemplos de aplicación Anuncios orientados en aplicaciones móviles Análisis de sentimiento en las redes sociales Monitorización climática para detectar patrones estacionales Detección de patrones en la lucha contra el crimen Aplicación en sanidad © Copyright VIEWNEXT 2016

Principales categorías de ML Clasificación Regresión Segmentación (Clustering) Asociación © Copyright VIEWNEXT 2016

Clasificación Objetivo: Predecir una categoría Soleado Ventoso Lluvioso © Copyright VIEWNEXT 2016 Nublado

Otros ejemplos de clasificación Propensión de compra Clasificación de un tumor como benignos o malignos (Binaria) Determinación de riesgo (alto, medio, bajo) para una solicitud de préstamo. Sentimiento en las redes sociales como positivo, negativo o neutro © Copyright VIEWNEXT 2016

Regresión Objetivo: Predecir un valor numérico © Copyright VIEWNEXT 2016

Otros ejemplos de regresión Pronóstico de ventas Valor de cliente a futuro Predecir cantidad de lluvia © Copyright VIEWNEXT 2016

Segmentación (Clustering) Objetivo: Organizar en grupos homogéneos Poco valor Valor Medio Alto valor © Copyright VIEWNEXT 2016

Otros ejemplos de segmentación Identificar áreas de similar topografía Buscar tipologías de clientes © Copyright VIEWNEXT 2016

Asociación Objetivo: Identificación de eventos que ocurren juntos o en secuencia © Copyright VIEWNEXT 2016

Otros ejemplos de asociación Recomendaciones de compra basado en historial de compras y navegación Venta de artículos que se suelen vender juntos. © Copyright VIEWNEXT 2016

Aprendizaje supervisado y no supervisado Target No Supervisado Sin Target Clasificación Segmentación Regresión Asociación © Copyright VIEWNEXT 2016

Aplicaciones Tipologías de problemas © Copyright VIEWNEXT 2016

Gestión Empresarial con Big Data - Nivel I 6 de marzo - 6 de abril de 2017 © Copyright VIEWNEXT 2016

Centros de Innovación Tecnológica 7 Equipo 8 Certificaciones 9 Nuestros valores 3 Quienes somos 4 Servicios 5 Localizaciones 6 Centros de Innovación Tecnológica 7 Equipo 8 Certificaciones 9 Responsabilidad Social Corporativa 10 www.viewnext.com OFICINAS Madrid, Barcelona, Valencia, Bilbao, Sevilla, Lisboa (Softinsa) CENTROS DE INNOVACIÓN TECNOLÓGICA Cáceres , Salamanca (Aldeatejada y Villamayor), Orense , Reus , Almería, Málaga, Zaragoza, Tomar (Portugal)