Aprendizaje Automático y la algorítmica evolución
Aplicaciones analíticas, en general, fueron dirigidos al segmento académico, actualmente nos ayuden en situaciones cotidianas
El mundo está en constante evolución. Pero está claro que muchas de las soluciones tecnológicas utilizando hoy en día están avanzando las tecnologías que nuestros padres y abuelos utilizaban en el pasado. Aplicaciones analíticas, en general, fueron dirigidos al segmento académico, actualmente nos ayuden en situaciones cotidianas. Por ejemplo, al momento de solicitar un préstamo financiero no nos damos cuenta de que una tecnología analítica se utiliza para autorizar o no el crédito a una persona. La información personal se compara con los miles de clientes que han pasado por la misma situación. En general, los datos y los hábitos de esa persona son similares a los de las personas que honraron sus compromisos, se dará a conocer de crédito.
Pero, ¿cómo identificar esta similitud entre miles de personas y miembros individuales? ¿Cómo evitar el más que ver la injusticia de negar el crédito a los clientes que honraría el compromiso de pagar a tiempo o liberar la cantidad solicitada a una persona que no honra? La respuesta a estas preguntas se encuentra en los “modelos analíticos”. Hay varias estrategias para crear estos modelos y ampliamente utilizado es el Machine Learning.
¿Qué es el Machine Learning?
Anteriormente, este tipo de metodología era algo lejano y más como la ciencia ficción, pero hoy en día es fundamental para el negocio. Machine Learning es un área de la informática, creado a partir de la investigación relacionada con la Inteligencia Artificial. El creciente uso de estos métodos es totalmente relacionado con el fuerte crecimiento computacional. Si en el pasado la gente trató de resolver fórmulas complejas casi manualmente, hoy emplea la tecnología para automatizar la construcción de modelos analíticos que utilizan algoritmos para aprender de los datos de forma interactiva. En otras palabras, la idea es que estos algoritmos son casi autosuficiente con la menor posible intervención humana.
Lo que difiere Machine Learning de Estadística o Modelos Estadísticos?
Machine Learning y Estadística son equivalentes en algunos aspectos. Esto significa que los resultados obtenidos con un método se pueden comparar entre sí. Sin embargo, cuando se trata de crear modelos estadísticos el objetivo es aprender algo relacionado con los datos, es decir, obtener una visión de la información existente. Ya Machine Learning, en lugar de simplemente tratar de entender lo que ocurre en los datos, lo que tenemos es la “creación de ejemplos” o “reglas”, y cada ejecución del algoritmo, que es capaz de aprender y mejorar de ejemplos. El aspecto interactivo de Machine Learning es importante porque los modelos se mejoran mediante el aprendizaje de los cálculos internos que producen mejores resultados.
Machine Learning de importancia hoy en día
El Machine Learning tiene importancia histórica. Hay informes de que nació este conjunto de técnicas durante la Segunda Guerra Mundial y se ha refinado hasta la actualidad. Para que te hagas una idea, esta metodología ya estaba presente, por ejemplo, SAS desde los años 80 esta vez, el uso de técnicas de Machine Learning, ya trató de encontrar perfiles de comportamiento con el fin de identificar los defraudadores.
El aumento extraordinario en el uso de esta metodología se da por varias razones. En primer lugar, porque la cantidad de datos está aumentando a un ritmo sin precedentes. Para la mayoría de las organizaciones, el reto consiste en extraer información valiosa de grandes volúmenes de datos a partir de una gran variedad de diferentes fuentes. Otro punto es las opciones de almacenamiento de esta información – ahora más asequibles o incluso gratis. Además, la potencia de procesamiento computacional nunca ha sido más barato o más potente.
Esto significa que, con los datos correctos, las tecnologías adecuadas, y análisis adecuados, es posible producir modelos que pueden analizar rápidamente una gran cantidad de datos, independientemente de su complejidad y entregar resultados en menos tiempo, más precisa y con mínima intervención humana. El resultado? Los pronósticos de alto valor que pueden guiar las mejores decisiones.
Las solicitudes de Machine Learning son numerosos, tales como: detección de fraude; línea ofrece recomendaciones; anuncios en tiempo real en la web y móvil; análisis de los sentimientos sobre la base de fuentes textuales de las redes sociales; la puntuación de crédito; predicción de fallos en los equipos; nuevos modelos de fijación de precios; detección de intrusiones en las redes; Patrones de escritura Análisis; entre otros.
Podemos decir que la idea central es utilizar una tecnología de alto rendimiento con aspecto interactivo. Lo que hace que el uso de la Machine Learning ventajosa es la capacidad de crear sistemas que aprenden de los datos en sí conseguir los mejores resultados con la mínima intervención humana, generando resultados muy eficaces y prestaciones para tomar decisiones estratégicas, incluyendo, en tiempo real.
Artículo completo: http://cio.com.br/
Acerca de Administrador
