Los tres mosqueteros del Machine Learning

Los tres mosqueteros es una novela francesa del escritor Alejandro Dumas, que relata las aventuras de tres amigos inseparables: Athos, Porthos y Aramis. A pesar de conocer poco sobre el contexto de su historia, todos recordamos la icónica frase de este grupo: “uno para todos y todos para uno”.

Este lema será el punto de partida para relatar una historia similar que ejercerá una influencia sobre futuras generaciones, por las transformaciones que se encuentra gestando a nivel tecnológico, económico y social.

Damos inicio al relato presentando al protagonista: Aprendizaje Automático o mejor conocido como Machine Learning. El cual forma parte de un grupo selecto que es dirigido por la Inteligencia Artificial (AI) y su principal labor radica en que las computadoras (agentes) puedan aprender de forma automática.

Sin embargo, la primera pregunta que viene a nuestra mente es, ¿cómo una computadora puede aprender? Para ello, el Machine Learning toma su principal insumo que son los datos e identifica sus patrones mediante el uso de algoritmos; con la finalidad de realizar predicciones, analizar comportamientos y optimizar decisiones de forma automática sin necesidad de la intervención humana.

Con este preámbulo, comienza esta singular historia.

Capítulo I: Los tres mosqueteros del Machine Learning

En la década de los años 50, toma fuerza una revolución tecnológica que impactaría nuestra forma de vivir y traería consigo la mayor parte de cambios que percibimos en la actualidad.

Los participes de este proceso de transformación serán conocidos como los tres mosqueteros del Machine Learning. Siendo su misión defender el emblema del aprendizaje automático y fortalecer su desarrollo a lo largo del tiempo. Cada uno fue conocido por su labor en esta ardua lucha, hablamos del aprendizaje supervisado, no supervisado y por refuerzo.

El aprendizaje supervisado es el mosquetero con mayor reconocimiento por sus hazañas en el campo empresarial y el prestigio adquirido por facilitar la toma de decisiones al realizar predicciones de sucesos futuros. No obstante, para alcanzar dichos logros debió mantener un entrenamiento intensivo guiado por tareas de regresión para fortalecer su capacidad de realizar pronósticos y especializarse en tareas de clasificación para identificar oportunidades o amenazas.

Por su parte, el aprendizaje por refuerzo es conocido como el mosquetero amante de los desafíos. Acostumbra realizar su entrenamiento en entornos que presentan situaciones complejas y requieren de una práctica constante para ser dominados a la perfección. Durante su formación ha logrado aprender de sus fracasos y con ello determinar las decisiones óptimas para adquirir las recompensas esperadas. Su popularidad ha ido creciendo al vencer a campeones en competencias internacionales y ser de ayuda para la resolución de problemas complejos de la humanidad.

Mientras que, el aprendizaje no supervisado es el mosquetero con una curiosidad insaciable y un espíritu que desborda entusiasmo por lo desconocido. Al contrario del aprendizaje supervisado, no recibió un entrenamiento formal; en su lugar el autoaprendizaje es una de sus virtudes, lo cual le permitió aprender patrones imperantes en los datos para la generación de hallazgos. Entre sus principales destrezas, se encuentran técnicas de agrupamiento, reducción de dimensiones y asociación principalmente empleadas por el área comercial y de marketing al interior de las organizaciones.

Posterior a conocer el contexto de cada mosquetero es necesario comprender sus aportes en múltiples áreas de especialización. En este sentido, se presentarán los principales casos de uso que solventaron problemas y aportaron al fortalecimiento del aprendizaje automático.

Capítulo II: Los mosqueteros y sus casos de uso

Aparentemente los mosqueteros no alcanzarían la fama que les precede en la actualidad, sin antes haber salido victoriosos en diversos campos de batalla. Sus aportes o casos de uso son evidentes en las siguientes áreas: comercio, finanzas, salud, marketing, tecnología, agricultura, retail, construcción, energía, seguridad, telecomunicaciones, entre muchas otras.

A continuación, se muestra un resumen de los casos de uso con mayor difusión por cada uno de los mosqueteros.

Capítulo III: Un mensaje final

Para culminar con este relato queda afirmar que el Machine Learning se encuentra revolucionando el entorno que vivimos a una velocidad nunca antes vista. Los progresos generados en el campo científico y tecnológico, están transformando nuestra forma de interactuar, pensar y vivir; por ello, queda en nuestras manos el aportar como los mosqueteros a brindar soluciones y generar iniciativas de cambio.

Sin lugar a dudas esta historia merece un cierre con el lema insigne de los tres mosqueteros del Machine Learning:

“Machine Learning para todos y todos para Machine Learning”

Esperamos que puedas compartir el artículo para ampliar la difusión de un conocimiento que transforma. Te esperamos en una próxima publicación.

Fuentes de consulta:

  • Conceptos básicos de Machine Learning (databits, 2020). Recuperado de: https://databits.ai/tienda/ciencia-de-datos/conceptos-basicos-de-machine-learning/

¿Quieres conocer más sobre Machine Learning? ¿Y qué te parece llevarlo más allá con una especialización? Complementa tus conocimientos en Data science con dos opciones que te ayudarán tanto en nivel básico como nivel avanzado:



Autor: Paúl Córdova Vargas

Investigador de datos en handytec Academy y consultor de proyectos de analítica avanzada en handytec. Economista con mención en econometría de la Pontificia Universidad Católica del Ecuador, sede Quito y Máster en Data Science para Finanzas por el Colegio Universitario de Estudios Financieros, campus Madrid. Su experiencia actual se basa en la implementación de proyectos de analítica principalmente en la industria financiera y en el desarrollo de formación en Ciencia de Datos aplicando metodologías innovadoras de aprendizaje.

Deja un comentario