< Return to Video

What is Machine Learning? (7 min)

  • 0:00 - 0:05
    ¿Qué es aprendizaje automático? En este vídeo trataremos de
    definir qué es y también trataremos de darte una idea
  • 0:05 - 0:10
    sobre cuándo querrías usar aprendizaje automático.
    Incluso entre los practicantes del aprendizaje
  • 0:10 - 0:14
    automático no existe una difinición bien aceptada sobre lo
    que es y lo que no es aprendizaje automático.
  • 0:14 - 0:19
    Pero vamos a ver un par de ejemplos sobre las maneras en
  • 0:19 - 0:24
    que la gente ha intentado definirlo. Esta es la definición sobre
    qué es aprendizaje automático para
  • 0:24 - 0:29
    Arthur Samuel. Definió el aprendizaje automático como el
    campo de estudio que le da a los ordenadores la habilidad
  • 0:31 - 0:34
    de aprender algo sobre lo que no han sido explícitamente
    programados. La fama de Samuel se remonta a la década
  • 0:34 - 0:38
    de 1950, cuando escribió un programa para jugar a las damas.
  • 0:38 - 0:44
    Y lo asombroso sobre este programa que juega a las damas
    era que el propio Arthur Samuel
  • 0:44 - 0:48
    no era un buen jugador de damas. Pero lo que él hizo fue, tener un programa para jugar
  • 0:48 - 0:52
    decenas de miles de partidas contra si mismo. Y observando que tipo de posiciones en el tablero
  • 0:52 - 0:57
    tienden a conducir a la victoria y que tipo de posiciones en el tablero tienden a
  • 0:57 - 1:01
    perder. El programa de juego de damas aprende con el tiempo que posiciones son buenas
  • 1:01 - 1:05
    en el tablero y cuales son malas posiciones. Y, finalmente, aprender a jugar
  • 1:05 - 1:10
    a las damas mejor de lo que el propio Arthur Samuel era capaz. Esto fue un resultado notable.
  • 1:10 - 1:15
    Aunque el propio Samuel resultó no ser un jugador de damas muy bueno. Pero debido a que el
  • 1:15 - 1:19
    ordenador tiene la paciencia para jugar decenas de miles de partidas contra él mismo. Ningún
  • 1:19 - 1:24
    humano tiene la paciencia para jugar esa cantidad de partidas. De esta manera el ordenador fue capaz de
  • 1:24 - 1:29
    obtener una gran experiencia jugando a las damas que, finalmente llegó a ser
  • 1:29 - 1:34
    mejor jugador que el propio Arthur Samuel. Esta es una definición
  • 1:34 - 1:39
    un tanto informal, y algo más antigua. Aquí está una definición un poco más reciente de Tom
  • 1:39 - 1:44
    Mitchell, de quien es un amigo, en la Carnegie Mellon. Entonces Tom define el aprendiza automático
  • 1:44 - 1:49
    diciendo que, un problema de aprendizaje bien planteado es definido de la siguiente forma. Él dice, un programa de ordenador
  • 1:49 - 1:54
    ordenador se dice que aprende de la experiencia E, con respecto a T, y alguna
  • 1:54 - 1:59
    medida de rendimiento P. Y si esta actuación en T, medida por P mejora
  • 1:59 - 2:04
    la experiencia E. De hecho, creo que él propuso esta definición solo para hacerla
  • 2:04 - 2:08
    rimar. Para el ejemplo de jugadores de damas, la experiencia e, será la
  • 2:08 - 2:13
    experiencia de tener el programa jugando decenas de miles de partidas reiteradas contra él mismo.
  • 2:13 - 2:18
    La tarea t, será la tarea de jugar partidas. Y la medida de mejora p,
  • 2:18 - 2:22
    será la probabilidad que lo haga, ganar la siguiente partida de damas contra
  • 2:22 - 2:27
    un nuevo oponente. A lo largo de estos vídeos, además de mi intentando enseñarte
  • 2:27 - 2:32
    cosas, de vez en cuando le realizaré alguna pregunta para estar seguro de que entiende el
  • 2:32 - 2:37
    concepto. Aquí va una, en la parte superir está una definición de aprendizaje automático por Tom
  • 2:37 - 2:42
    Mitchel. Pongamos como ejemplo que tu programa de correo electronico analiza que correos has marcado o no
  • 2:42 - 2:48
    como spam. Asi que con un cliente de corre electronico como este podira pulsar el boton spam para informar
  • 2:48 - 2:53
    que algunos correos son spam y que otros no. Basandose en que correos marcas como
  • 2:53 - 2:59
    spam, tu programa de correo electronico aprende mejor como filtrar el spam en el correo. Que es la T en
  • 2:59 - 3:04
    esta configuracion? En uno momento, el video se parara. Y cuando esto ocurra,
  • 3:04 - 3:10
    podras usar to raton para seleccionar uno de los 4 radio buttons,
  • 3:10 - 3:40
    para permitirme saber cual opcion es la que crees correcta en esta pregunta. ESto podria
  • 3:40 - 3:46
    ser una medicion de rendimiento P. Y por lo tanto, nuestra tare de rendimiento dentro de la tar
  • 3:46 - 3:51
    el rendimiento de la tarea T, en la medida de rendimiento p mejorará después de
  • 3:51 - 3:56
    la experiencia e. En esta clase espero poder enseñar acerca de varios tipos diferentes de
  • 3:56 - 4:01
    algoritmos de aprendizaje. Existen diferentes tipos de algoritmos de aprendizaje.
  • 4:01 - 4:06
    Los dos tipos principales son lo que llamamos aprendizaje supervisados y sin supervisión
  • 4:06 - 4:11
    aprendizaje. Podrá definir de lo que estos términos significan más en los próximos videos de pareja. Pero
  • 4:11 - 4:16
    resulta que en el aprendizaje supervisado,
    la idea es que vamos a enseñar la
  • 4:16 - 4:21
    equipo cómo hacer algo, mientras que en el aprendizaje no supervisado vamos permiten
  • 4:21 - 4:25
    aprender por sí mismo. No te preocupes si estas dos condiciones no tienen sentido sin embargo, en el
  • 4:25 - 4:30
    a continuación dos videos que voy a decir exactamente cuáles son estos dos tipos de aprendizaje. Le
  • 4:30 - 4:34
    También escuchará otros términos de zumbido como aprendizaje de refuerzo y recomendación
  • 4:34 - 4:39
    sistemas. Estos son otros tipos de algoritmos que hablaremos de aprendizaje automático
  • 4:39 - 4:42
    más tarde, pero los dos tipos más utilizados de aprendizaje algoritmos son probablemente
  • 4:42 - 4:47
    aprendizaje supervisado y no supervisado de aprendizaje y voy definirlos en el siguiente
  • 4:47 - 4:51
    dos videos y te pasan la mayor parte de esta clase hablando de estos dos tipos de
  • 4:51 - 4:56
    algoritmos de aprendizaje. Resulta que uno de
    las otras cosas que dedicaremos mucho tiempo
  • 4:56 - 5:00
    en esta clase es consejos prácticos para aplicar algoritmos de aprendizaje. Se trata de
  • 5:00 - 5:04
    algo que me siento bastante fuertemente cerca, y realmente es algo que me
  • 5:04 - 5:08
    no sé de ninguna otra Universidad enseña. Enseñanza sobre el aprendizaje
  • 5:08 - 5:13
    algoritmos es como darle un conjunto de
    herramientas e igualmente importante o más
  • 5:13 - 5:18
    es importante darle las herramientas para enseñarle cómo aplicar estas herramientas. Me gusta
  • 5:18 - 5:22
    para hacer una analogía para aprender a ser un carpintero. Imaginar que alguien es
  • 5:22 - 5:27
    le enseña a ser carpintero y decir aquí es un martillo, aquí es un
  • 5:27 - 5:31
    destornillador, aquí es una Sierra, buena suerte.
    ¿Bueno, no eso sirve, derecho? Te, te, te
  • 5:31 - 5:35
    todas estas herramientas, pero lo más importante, es para aprender a utilizar
  • 5:35 - 5:39
    Estas herramientas correctamente. Hay una enorme diferencia, entre personas
  • 5:39 - 5:43
    sabe cómo usar estas máquinas aprender algoritmos, frente a gente que no sabe
  • 5:43 - 5:48
    Cómo utilizar estas herramientas bien. Aquí en Silicon Valley, donde vivo, cuando vaya
  • 5:48 - 5:52
    visitar diferentes empresas incluso en las Silicon Valley empresas principales muy a menudo que veo
  • 5:52 - 5:56
    personas están tratando de aplicar algoritmos de aprendizaje de máquina a algún problema y
  • 5:56 - 6:01
    a veces han sido van desde seis meses. Pero a veces, cuando miro
  • 6:01 - 6:05
    lo que están haciendo yo, yo, decir, sabes, pude han les dije, caray, pudiera
  • 6:05 - 6:10
    te dije hace seis meses que usted debe tomar un algoritmo de aprendizaje y
  • 6:10 - 6:14
    aplicarlo como la forma ligeramente modificada y sus posibilidades de éxito tendría
  • 6:14 - 6:20
    sido mucho mayor. Así que lo vamos a hacer en esta clase es realmente gastar mucho
  • 6:20 - 6:24
    de tiempo a hablar sobre cómo, si realmente intentó desarrollar un aprendizaje de máquina
  • 6:24 - 6:28
    sistema, cómo hacer las mejores prácticas de tipo decisiones acerca de la forma en que usted
  • 6:28 - 6:31
    Construya su sistema para que cuando estés
    aplicar el algoritmo de aprendizaje está menos
  • 6:31 - 6:35
    probablemente poner fin a una de esas personas que terminan persiguiendo algún camino para seis meses
  • 6:35 - 6:39
    que, usted sabe, alguien podría tener
    figuró fuera simplemente no va a trabajar en
  • 6:39 - 6:44
    todos y es de sólo una pérdida de tiempo de seis meses. Así que realmente voy a pasar un
  • 6:44 - 6:48
    mucho del tiempo enseñar ese tipo de prácticas óptimas en el aprendizaje de máquina y
  • 6:48 - 6:52
    AI y cómo obtener este material para trabajar y cómo lo hacemos, cómo la gente mejor lo hace
  • 6:52 - 6:56
    Silicon Valley y en todo el mundo. Espero que te hacen uno de los mejores en
  • 6:56 - 7:00
    saber cómo diseñar y construir el aprendizaje serio y sistemas de inteligencia artificial. Por lo tanto,
  • 7:00 - 7:05
    es aprendizaje y estos son los principales temas que espero para enseñar. En la siguiente
  • 7:05 - 7:09
    vídeo, voy a definir lo que es supervisado aprendizaje y después de eso, lo que
  • 7:09 - 7:14
    es supervisado de aprendizaje. Y también, iniciar
    hablar de cuándo debe utilizar cada uno de ellos.
Title:
What is Machine Learning? (7 min)
Video Language:
English

Spanish subtitles

Revisions