Metodología para Machine Learning (III): SEMMA
En este post, y continuando con la serie dedicada a metodología de Machine Learning, hablamos de SEMMA, creado por el Sas Institute.
Inteligencia Artificial: machine learning, deep learning, redes neuronales, sistemas expertos, algoritmos genéticos
En este post, y continuando con la serie dedicada a metodología de Machine Learning, hablamos de SEMMA, creado por el Sas Institute.
Segundo artículo dedicado a metodología para Machine Learning. En este caso, presentando el Machine Learning Canvas de Louis Dorard.
Este artículo inicia una pequeña serie con elementos metodológicos alrededor de machine learning. En esta ocasión hablamos de CRISP-DM.
En este post se revisa una propuesta para superar los mitos sobre la inteligencia artificial que parecen dominar el discurso técnico, ético y regulatorio.
En este post se recuerda la naturaleza del problema de explicabilidad y se proporciona un mapa de explicabilidad de algoritmos.
Es indudable que en mayor o menor medida, la robótica y la inteligencia artificial se han inspirado en la naturaleza y, muy en concreto, en el sistema nervioso en general y el cerebro humano en particular. No es casual, ni del todo desacertado, el nombre que reciben algunas técnicas y algoritmos como las propias redes neuronales o los algoritmos genéticos. Y es…
En este post se analizan las diferencias entre los datos de texto e imagen de acra a su procesamiento mediante deep learning
En este post se repasan tres argumentos que aporta David Foster para explicar por qué los modelos generativos son importantes en el desarrollo de la IA
En este artículo explico de forma simple los autocodificadores variacionales, un caso de modelo generativo que demuestra el ingenio humano.
En este post aporto algunos principios muy básicos de los llamados modelos generativos, un área de la inteligencia artificial con aparente creatividad.