Adrián Hernández – Inteligencia artificial y computación
Cuando aplicamos modelos probabilísticos a los datos normalmente es necesario integrar distribuciones de probabilidad complejas. El ejemplo más sencillo lo tenemos en el cálculo del valor esperado. En ocasiones estas integrales no se pueden calcular analíticamente y se usan métodos numéricos de muestreo para aproximar la integral. El conocido método de Monte Carlo genera muestras... Seguir leyendo →
Cuando hablábamos sobre información relevante y suficiente en machine learning describíamos el método del cuello de botella de la información (information bottleneck method) de Tishby. El método calcula cuánto resumir o reducir la variable X preservando la máxima información sobre la variable relevante objetivo Y usando la información mutua. En los últimos años Tishby y... Seguir leyendo →
Conforme el machine learning va penetrando en los diferentes sectores de la economía, una de las preguntas que más se repite es qué impacto tendrá en el sector financiero y si supondrá una auténtica revolución. Para responder a esa pregunta es necesario tener claro cómo y en qué casos puede aportar valor el machine learning... Seguir leyendo →
Una de las claves del éxito del Deep Learning ha sido la capacidad de las redes neuronales con muchas capas de extraer representaciones distribuidas de los datos y de esa forma facilitar el proceso de entrenamiento y aprendizaje. Estas representaciones distribuidas permiten captar la estructura estadística y los factores que explican la variación de los... Seguir leyendo →
En los últimos años, con el auge del Deep Learning hemos visto relaciones entre el procesamiento de la información en una red neuronal profunda y cómo se estructura y procesa la información en el cerebro. Estas comparativas en ocasiones sugieren dudas de si la relación es exacta, intuitiva y finalmente de qué relación hay entre... Seguir leyendo →
En los últimos años hemos visto un gran desarrollo y éxito del deep learning en el aprendizaje automático y la inteligencia artificial. El deep learning utiliza redes neuronales con muchas capas en las que cada capa extrae información de la capa anterior formando una jerarquía de representaciones. Como hemos comentado en otras entradas, el éxito... Seguir leyendo →
El aprendizaje automático (machine learning) está teniendo muchas aplicaciones en el campo de la ciberseguridad. Se está creando un auténtico ecosistema de nuevas startups (p.e. Darktrace) que están trasladando los beneficios del machine learning a la industria pujante y necesaria de la ciberseguridad. Uno de los aspectos más discutidos es el uso de técnicas de... Seguir leyendo →
En un problema de machine learning (aprendizaje automático) intentamos que las máquinas obtengan información y aprendizaje a partir de un conjunto de datos. Por ello la información que extraigamos de los datos es muy importante tanto si estamos en aprendizaje supervisado (los datos tiene etiquetas o valores objetivo), no supervisado o combinaciones de los mismos.... Seguir leyendo →
Estamos viendo cada vez más en los medios de comunicación que la Inteligencia Artificial (IA) puede sustituir a los humanos en muchas tareas y destruir millones de empleos. ¿Pero estamos cerca de una IA general capaz de comportarse como los humanos? Actualmente la IA es específica y se centra en problemas concretos En los últimos... Seguir leyendo →
Este es el extracto de tu primera entrada.
Orgullosamente ofrecido por WordPress | Tema: Baskerville 2 por Anders Noren.