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
Tres enfoques para la adopción de modelos de machine learning
En este post describo tres posibles opciones para la adopción de modelos de machine learning por parte de las empresas y organizaciones.
Sobre el machine learning y las predicciones
Hablo sobre el machine learning y las predicciones, cómo éstas se apoyan en datos del pasado pero se pueden seguir considerando predicciones.
Machine Learning en producción: diferencias con la investigación
En este post comento cinco diferencias entre el Machine Learning en investigación y Machine learning en producción.