Introducción a Machine Learning (aprendizaje automático) y heurísticas. 

definición Machine learning traducido al español significa el aprendizaje automático o también aprendizaje de las maquinas. A partir de esto podemos darle una definición, la cual se generaliza como sigue: Machine learning es una parte del estudio de la inteligencia artificial donde se busca que las maquinas (computadoras) puedan aprender. También se puede interpretar como programas que generalizan conocimientos a partir de otro conocimientos proporcionados, con lo cual pueden aprender mediante un circulo de aprendizaje.

Sistemas expertos vs machine learning Los sistemas expertos son programas que contienen información recopilada de expertos humanos para hacer el trabajo mucho mas rápido y eficaz, resuelve problemas preestablecidos inicialmente. Machine Learning son sistemas que pueden aprender a partir de hechos iniciales, lo cual lo hace mucho mejor que un sistema experto, no solo soluciona problemas predefinidos sino que aprende de todo lo anterior.

Tipos de aprendizaje Aprendizaje inductivo: Se generalizan los ejemplos iniciales buscando patrones. Aprendizaje analítico o deductivo: Partimos de lo general para encontrar la solución. Aprendizaje genético: Aplica a algoritmos que parten a partir de la teoría de la evolución. Aprendizaje conexionista: Usa la capacidad de adaptación mediante las redes neuronales.

Tipos de algoritmos Aprendizaje supervisado: El proceso que se sigue en este tipo de algoritmos es verificar las salidas según a las entradas que se tienen, estos algoritmos pueden ser muy útiles en el campo de la biología. Aprendizaje no supervisado: Se centra en verificar tan solo las entradas, etiquetando basándose en patrones encontrados. Aprendizaje Semisupervisado: Este proceso trata de combinar los dos anteriores.

Tipos de algoritmos Aprendizaje por refuerzo: Es un algoritmo que va aprendiendo del exterior y a partir de los primeros hechos proporcionados. Transducción: Similar al aprendizaje supervisado. Aprendizaje multi-tarea: Usan conocimientos que ya han aprendido para afrontar de esa manera problemas similares a los ya vistos.

Tipos de conocimiento Crecimiento: Aprende de su entorno, lo cual lo guarda en una especie de base de datos para afrontar nuevos problemas. Restructuración: Interpreta los conocimientos iniciales proporcionados y de los cuales genera nuevos conocimientos. Ajuste: Se obtiene al generalizar los conceptos del exterior o los conceptos propios que tenga.

Aplicaciones Motores de búsqueda. Robótica. Diagnostico medico. Análisis del mercado de valores. Reconocimiento del habla. Detección de fraudes con el uso de tarjetas de crédito.

Heurística La heurística puede definirse como una búsqueda mas especializada que surge ante la imposibilidad de resolver problemas complejos. Las meta heurísticas son una clase mas avanzada de heurísticas, que resuelven problemas que las heurísticas convencionales no resuelven, sean el caso de problemas de optimización.

Tipos de algoritmos heurísticos Los algoritmos heurísticos pueden ser simples o complejos, para los simples existen métodos o formas ya diseñadas, mientras que para los complejos se pueden usar los siguientes: Búsqueda Tabú Temple simulado Algoritmos genéticos Redes neuronales Sistemas expertos