{"id":624,"date":"2017-04-25T08:44:03","date_gmt":"2017-04-25T06:44:03","guid":{"rendered":"https:\/\/preblogs.deusto.es\/bigdata\/?p=624"},"modified":"2017-04-25T08:44:03","modified_gmt":"2017-04-25T06:44:03","slug":"guia-para-comenzar-con-algoritmos-de-machine-learning","status":"publish","type":"post","link":"https:\/\/blogs.deusto.es\/bigdata\/guia-para-comenzar-con-algoritmos-de-machine-learning\/","title":{"rendered":"Gu\u00eda para comenzar con algoritmos de Machine Learning"},"content":{"rendered":"

El inter\u00e9s por el concepto de \u00abmachine learning\u00bb no para de crecer. Como siempre, una buena manera de saberlo, es utilizando herramientas de agregaci\u00f3n de intereses como son Google Trends<\/a> (las tendencias de b\u00fasquedas en Google) y Google N Gram Viewe<\/a>r (que indexa libros que tiene Google escaneados y sus t\u00e9rminos \u00a0gramaticales). Las siguientes dos im\u00e1genes hablan por s\u00ed solas:<\/p>\n

\"B\u00fasqueda<\/a>
B\u00fasqueda del t\u00e9rmino \u00abmachine learning\u00bb en Google (Fuente: Google Trends)<\/figcaption><\/figure>\n
\"El<\/a>
El t\u00e9rmino \u00abmachine learning\u00bb en libros en el \u00faltimo siglo (Fuente: Google N Gram Viewer)<\/figcaption><\/figure>\n

Sin embargo, no se trata de un t\u00e9rmino nuevo que hayamos introducido en esta era del Big Data. Lo que s\u00ed ha ocurrido es el \u00abboom de los datos\u00bb<\/strong> (derivado de la digitalizaci\u00f3n de gran parte de las cosas que hacemos y nos rodean) y el abaratamiento de su almacenamiento \u00a0y procesamiento<\/strong> (b\u00e1sicamente, los ordenadores \u00a0y sus procesadores cuestan mucho menos que antes). Vamos, dos de los vectores que describen esta era que hemos bautizado como \u00abBig Data\u00bb.<\/p>\n

Los algoritmos de machine learning est\u00e1n viviendo un renacimiento gracias a esta mayor disponibilidad de datos y c\u00f3mputo<\/strong>. Estos dos elementos permiten que estos algoritmos aprendan conceptos por s\u00ed solos, sin tener que ser programados. Es decir, se trata de ese conjunto de reglas abstractas que por s\u00ed solas son construidas, lo que ha tra\u00eddo y permitido que se \u00abautonconfiguren\u00bb.<\/p>\n

La utilidad que tienen estos algoritmos es bastante importante\u00a0para las organizaciones, dado que son especialmente buenos para adelantarnos a lo que pueda ocurrir. Es decir, que son bastante buenos para predecir<\/strong>, que es como sab\u00e9is, una de las grandes \u00abinquietudes\u00bb del momento. Se pueden utilizar estos algoritmos de ML para otras cuestiones, pero su inter\u00e9s m\u00e1ximo radica en la parte predictiva.<\/p>\n

Este tipo de problemas<\/strong>, los podemos clasificar en dos grandes categor\u00edas:<\/p>\n