UANL FIME

REDES NEURONALES
Tarea 1

SERGIO ENRIQUE ESPEJO

ELIZONDO
1547069

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1

Aprendizaje Computacional
El poder aprender es lo que distingue a las personas y es por eso que es una
de las principales reas en Inteligencia Artificial desde su inicio. Desde el
comienzo de las computadoras se preguntaron que si sern capaces de
aprender.
El darles la capacidad de aprendizaje a las mquinas abre una amplia gama de
nuevas aplicaciones. El entender tambin como pueden aprender las mquinas
nos puede ayudar a entender las capacidades y limitaciones humanas de
aprendizaje.
Algunas de las cosas que incluye el aprendizaje son:

adquisicin de conocimiento

desarrollo de habilidades a travs de instruccin y prctica

organizacin de conocimiento

descubrimiento de hechos

Bsicamente se busca que un programa se mejore de manera automtica con

la experiencia.
Simon definicin de Aprendizaje: cambios adaptivos en el sistema para
hacer la misma tarea(s) de la misma poblacin de una manera ms eficiente y
efectiva la prxima vez
Arthur Samuel defini machine Learning: Campo de estudi que le da a
las computadoras la habilidad de aprender sin necesidad de programacin
explicita
QUE COMPAAS LO IMPLEMENTAN

Google, Netflix, Amazon, cualquier compaa de juegos que necesiten IA para

los bots.
Algunos de los usos que le dan estas compaas son:

Detencin de anomalas.
Clasificacin.
Detencin de facial y reconocimiento.
Anti-virus.

Ciencia de los datos

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1
es un campo interdisciplinario que involucra los procesos y sistemas para
extraer conocimiento o un mejor entendimiento de grandes volmenes de
datos en sus diferentes formas (estructurados o no estructurados) y formatos
(.txt, .dat, .doc, .jpg, etctera).

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1

Ciencia de datos(DRISCOLL): Es la ingeniera civil de los datos . sus aclitos

poseen un conocimiento prctico de herramientas y materiales, junto con una
compresin teora de lo que es posible
Segn Giuseppe:
En trminos generales, data science es el conjunto de practicas sobre
almacenamiento, gestin y anlisis de conjuntos de datos lo suficientemente
grandes que requieren de computacin distribuida y los recursos de
almacenamiento.
Segn Vallante, la Ciencia de los Datos puede ser dividida en cuatro partes
esenciales:

Mining Data: recopilacin y formateado de la informacin.

Statistics: anlisis de la informacin.
Interpret: representacin o visualizacin de los datos en infografas, imgenes
o grficos.
Leverage: la implicaciones de los datos, aplicaciones, interaccin, predicciones,
etc.

Compaas que lo utilizan

Softweb IoT

LinkedIn (product)

Facebook

Twitter (product)

Bit.ly

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1

OkCupid

Yahoo! Research

Akamai Technologies, Inc.

Disney Research

IBM Research

Google Research

Hewlett-Packard Labs

Schlumberger

Honeywell

NEC (company)

AT&T

Microsoft Research

SAS

Palantir

Recorded Future

Wolfram|Alpha

MathWorks

Opera Solutions

Glencore

Goldman Sachs

Tower Research Capital

Renaissance Technologies

Quid

Quora

Groupon (company)

Aprendizaje profundo
Es parte de un conjunto mas amplio de mtodos de aprendizaje automtico
basados en aprender representaciones de datos.

Sergio Enrique Espejo Elizondo 1547069

Redes Neuronales V4-martes
TAREA 1
Varias arquitecturas de aprendizaje profundo, como redes neuronales
profundas, redes neuronales profundas convolucionales, y redes de creencia
profundas, han sido aplicadas a campos como visin por computador,
reconocimiento automtico del habla, y reconocimiento de seales de audio y
msica, y han mostrado producir resultados de vanguardia en varias tareas.
En forma resumida, esta estrategia se caracteriza por incorporar el anlisis
crtico de nuevas ideas, las cuales son integradas al conocimiento previo sobre
el tema, favoreciendo con ello su comprensin y su retencin en el largo plazo
de tal modo que pueden, ms tarde, ser utilizadas en la solucin de problemas
en contextos diferentes.

Para lograr aprendizaje profundo se requiere utilizar altos niveles de

habilidades cognitivas tales como anlisis (comparar, contrastar) y sntesis
(integrar el conocimiento en una nueva dimensin).

El aprendizaje profundo promueve la comprensin y la aplicacin de los

aprendizajes de por vida.

REFERENCIAS
https://ccc.inaoep.mx/~jagonzalez/ML/principal/node2.html
https://www.quora.com/What-are-some-companies-successfully-implementingmachine-learning-as-a-major-part-of-business
https://www.quora.com/What-are-some-interesting-possible-applications-ofmachine-learning
http://sg.com.mx/revista/43/definiendo-ciencia-datos
https://www.coursera.org/specializations/jhu-data-science
http://www.sorayapaniagua.com/2011/11/01/la-ciencia-de-los-datos-bdii/