A partir de los 2000, el machine learning se convirtió en el enfoque que captó toda la atención en el campo de la IA, dejando totalmente de lado a los sistemas expertos.
Habría que esperar hasta 2006 para que la euforia volviera a ser completa gracias al renacimiento de las redes neuronales profundas (Deep Learning), impulsadas por tres factores clave: más datos que nunca
Cuando hablamos de inteligencia artificial, es muy habitual oír palabras como chips, GPUs o procesadores… pero muchas veces no tenemos claro qué significa cada cosa. La forma más sencilla de entenderlo es
«La inteligencia artificial es, como solemos decir bromeando quienes trabajamos en ella, aquello que los ordenadores todavía no saben hacer. En cuanto lo aprenden, dejamos de llamarlo IA y pasa a ser,
Hoy en día, cuando hablamos de inteligencia artificial, solemos pensar en herramientas que nos ayudan con tareas específicas: traducir un texto, resumir una noticia, generar una imagen o responder una consulta. A
Inteligencia Artificial Analítica Este tipo de inteligencia artificial se orienta a la exploración, análisis y comprensión profunda de enormes volúmenes de datos. Su objetivo principal es descubrir patrones, relaciones ocultas y estructuras
Machine Learning (ML) El machine learning o aprendizaje automático es una de las técnicas fundamentales de la IA. Es lo que permite que los sistemas aprendan a partir de datos sin que
Podemos definir el machine learning como una rama de la Inteligencia Artificial que permite que los sistemas aprendan a partir de datos, y vayan ajustando sus parámetros internos para resolver problemas nuevos,
Hay cuatro tipos principales de machine learning, en función de los datos que utiliza: Aprendizaje supervisado (Supervised Learning) Básicamente, es el que utiliza datos etiquetados. Los datos etiquetados son conjuntos de datos
Además de los tipos principales de machine learning, existen enfoques intermedios y especializados: Aprendizaje semi-supervisado El aprendizaje semi-supervisado se utiliza cuando tenemos muy pocos datos etiquetados y muchos datos sin etiquetar. Etiquetar