Descripción general y guía temática del aprendizaje automático
El siguiente esquema se proporciona como una descripción general y una guía temática del aprendizaje automático:
Aprendizaje automático : un subcampo de la computación blanda dentro de la informática que evolucionó a partir del estudio del reconocimiento de patrones y la teoría del aprendizaje computacional en inteligencia artificial . [1] En 1959, Arthur Samuel definió el aprendizaje automático como un "campo de estudio que brinda a las computadoras la capacidad de aprender sin ser programadas explícitamente". [2] El aprendizaje automático implica el estudio y la construcción de algoritmos que pueden aprender de los datos y hacer predicciones sobre ellos . [3] Estos algoritmos funcionan construyendo un modelo a partir de un conjunto de entrenamiento de ejemplode observaciones de entrada para realizar predicciones o decisiones basadas en datos expresadas como resultados, en lugar de seguir instrucciones de programa estrictamente estáticas.
Quétipo¿Qué es el aprendizaje automático?
Paradigmas del aprendizaje automático
Aplicaciones del aprendizaje automático
Hardware de aprendizaje automático
Herramientas de aprendizaje automático
Marcos de aprendizaje automático
Marcos propietarios de aprendizaje automático.
Marcos de aprendizaje automático de código abierto
Bibliotecas de aprendizaje automático
Algoritmos de aprendizaje automático
Métodos de aprendizaje automático
Algoritmo basado en instancias
Análisis de regresión
Reducción de dimensionalidad
Reducción de dimensionalidad
Aprendizaje conjunto
Aprendizaje conjunto
Metaaprendizaje
Metaaprendizaje
Aprendizaje reforzado
Aprendizaje reforzado
Aprendizaje supervisado
Aprendizaje supervisado
bayesiano
Estadísticas bayesianas
Algoritmos de árbol de decisión
Algoritmo de árbol de decisión
clasificador lineal
clasificador lineal
Aprendizaje sin supervisión
Aprendizaje sin supervisión
Redes neuronales artificiales
Red neuronal artificial
Aprendizaje de reglas de asociación
Aprendizaje de reglas de asociación
Agrupación jerárquica
Agrupación jerárquica
Análisis de conglomerados
Análisis de conglomerados
Detección de anomalías
Detección de anomalías
Aprendizaje semisupervisado
Aprendizaje semisupervisado
Aprendizaje profundo
Aprendizaje profundo
Otros métodos y problemas de aprendizaje automático.
Investigación sobre aprendizaje automático
Historia del aprendizaje automático
Historia del aprendizaje automático
Proyectos de aprendizaje automático
Proyectos de aprendizaje automático
Organizaciones de aprendizaje automático
Organizaciones de aprendizaje automático
Conferencias y talleres sobre aprendizaje automático.
Publicaciones sobre aprendizaje automático
Libros sobre aprendizaje automático.
- Matemáticas para el aprendizaje automático
- Aprendizaje automático práctico Scikit-Learn, Keras y TensorFlow
- El libro de cien páginas sobre aprendizaje automático
Revistas de aprendizaje automático
Personas influyentes en el aprendizaje automático.
Ver también
Otro
Otras lecturas
- Trevor Hastie , Robert Tibshirani y Jerome H. Friedman (2001). Los elementos del aprendizaje estadístico , Springer. ISBN 0-387-95284-5 .
- Pedro Domingos (septiembre 2015), El algoritmo maestro , Libros básicos, ISBN 978-0-465-06570-7
- Mehryar Mohri , Afshin Rostamizadeh, Ameet Talwalkar (2012). Fundamentos del aprendizaje automático , The MIT Press. ISBN 978-0-262-01825-8 .
- Ian H. Witten y Eibe Frank (2011). Minería de datos: herramientas y técnicas prácticas de aprendizaje automático Morgan Kaufmann, 664pp., ISBN 978-0-12-374856-0 .
- David JC MacKay . Teoría de la información, inferencia y algoritmos de aprendizaje Cambridge: Cambridge University Press, 2003. ISBN 0-521-64298-1
- Richard O. Duda , Peter E. Hart , David G. Stork (2001) Clasificación de patrones (segunda edición), Wiley, Nueva York, ISBN 0-471-05669-3 .
- Cristóbal obispo (1995). Redes neuronales para el reconocimiento de patrones , Oxford University Press. ISBN 0-19-853864-2 .
- Vladímir Vápnik (1998). Teoría del aprendizaje estadístico . Wiley-Interscience, ISBN 0-471-03003-1 .
- Ray Solomonoff , Una máquina de inferencia inductiva , Registro de la convención IRE, Sección sobre teoría de la información, Parte 2, págs., 56–62, 1957.
- Ray Solomonoff , "Una máquina de inferencia inductiva" Un informe de circulación privada de la Conferencia de investigación de verano sobre IA de Dartmouth de 1956 .
Referencias
- ^ http://www.britannica.com/EBchecked/topic/1116194/machine-learning Esta fuente terciaria reutiliza información de otras fuentes pero no las nombra.
- ^ Phil Simon (18 de marzo de 2013). Demasiado grande para ignorarlo: el argumento comercial a favor de Big Data. Wiley. pag. 89.ISBN 978-1-118-63817-0.
- ^ Ron Kohavi; Foster Provost (1998). "Glosario de términos". Aprendizaje automático . 30 : 271–274. doi : 10.1023/A:1007411609915 .
- ^ Settles, Burr (2010), "Encuesta sobre literatura sobre aprendizaje activo" (PDF) , Informe técnico de ciencias de la computación 1648. Universidad de Wisconsin-Madison , consultado el 18 de noviembre de 2014
- ^ Rubens, Neil; Elahi, Mehdi; Sugiyama, Masashi; Kaplan, Dain (2016). "Aprendizaje activo en sistemas de recomendación". En Ricci, Francesco; Rokach, Lior; Shapira, Bracha (eds.). Manual de sistemas de recomendación (2 ed.). Springer Estados Unidos. doi :10.1007/978-1-4899-7637-6. hdl :11311/1006123. ISBN 978-1-4899-7637-6. S2CID 11569603.
enlaces externos