Tres formas de equidad algorítmica
Una artículo breve para hablar de Equidad algorítmica y tres variantes bajo las que se nos que puede presentar
Machine learning y la fantasía de una política científica
Abogo por una ‘política científica’: la aplicación de técnicas, metodologías, tecnologías y modelos de machine learning a la administración.
Seis principios para la operación del Machine Learning y los grandes modelos de lenguaje
Se aportan y explican seis principios de operación del Machine Learning, algunos heredados de la ingeniería de software y otros nuevos.
El machine learning como fenomenología y la renuncia al conocimiento
Desarrollo la idea de que en machine learning se adopta un enfoque de fenomenología y exploro el posible impacto en nuestro conocimiento.
Modelos fundacionales versus modelos tradicionales de machine learning
Se muestran las diferencias de Modelos fundacionales versus modelos tradicionales de machine learning en opinión propia y de Chip Huyen.
Notas sobre aprendizaje por refuerzo (VIII): problemas continuos y métodos basados en políticas
En este post presentamos los Problemas continuos de aprendizaje por refuerzo, sus particularidad, ideas principales y campos de aplicación.
Notas sobre el aprendizaje por refuerzo (V): deep reinforcement learning
En este post explico cuándo se usa deep learning en aprendizaje por refuerzo dando lugar al deep reinforcement learning.
Notas sobre aprendizaje por refuerzo (IV): Metodos tabulares. SARSA Y Q-Learning.
Aparte de nuevos conceptos sobre aprendizaje por refuerzo, se habla de los métodos tabulares sin modelo y finaliza esbozando Q-Learning
Notas sobre aprendizaje por refuerzo (III): recompensas, trazas y valores
Hablo de trazas y recompensas en el contexto de modelos de decisión de Markov y aprendizaje por refuerzo (reinforcement learning).
Notas sobre aprendizaje por refuerzo (II): Visualizando el aprendizaje en procesos de Markov
Recordamos conceptos de aprendizaje por refuerzo y recordamos y visualizamos el aprendizaje en procesos de Markov