Machine learning y redes neuronales

Exposición sobre machine learning y redes neuronales. Una breve explicación sobre lo que es el machine learning y su utilidad para detectar patrones en data ruidosa o incompleta y un ejemplo de regresión líneal para dar a entender mejor el punto.

La segunda parte trata sobre las redes neuronales, el modelo de neurona y un ejemplo aprendiendo a a predecir el OR lógico.

Transcript

1. Software Libre y Redes Neuronales Pedro Muñoz del Rio
2. Analizar Data
7. Patrones de la Data
8. Nadie recuerda la primera vez que vio el amarillo o el negro o la primera vez que le tomó el gusto a una fruta, acaso porque era muy chico y no podía saber que inauguraba una serie muy larga.
9. Predicciones
12. Machine Learning Aprendizaje de Máquinas
13. Algoritmos DETECTAN patrones que
16. Vídeo acentos del Perú
17. “Todo sistema de ideas caracterizado por cierto conjunto básico (pero refutable) de hipótesis peculiares, y que procura adecuarse a una clase de hechos, es una teoría” Mario Bunge
21. Las teorías permiten Explicar y Predecir
22. El Aprendizaje de Máquinas elabora sobre la DATA “Teorías”
23. Tamaño (pies2) Precio (miles $) 2014 460 1406 232 1534 315 852 178 ... ...
24. Del curso Machine Learning de Andrew Ng, Stanford
27. Data de entrenamiento Algoritmo de Aprendizaje h Tamaño de la casa Precio estimado
29. Ejemplo
30. Aprendizaje de Máquinas son ALGORÍTMOS que APRENDEN PATRONES sobre la DATA y elaboran FÓRMULAS para EXPLICARLA y PREDECIR data FUTURA
31. Redes Neuronales
39. Inicialización: Pesos a pequeños números. Entrenamiento: Se repite el proceso T veces: Se itera sobre cada vector de entrada de la data: * Se calcula la activación de cada neurona utilizando g. * Se actualiza cada peso.
40. Pesos: w0 = −0,05, w1 = −0,02, w2 = 0,02 Vector (0,0): −0,05 −1 + 0,02 0 + −0,02 0 ; = 0,05 ∗ ∗ ∗ w0 = −0,05 + 0,25 (0 − 1) −1 = 0,2 ∗ ∗ w1 = −0,02 + 0,25 (0 − 1) 0 = −0,02 ∗ ∗ w2 = 0,02 + 0,25 (0 − 1) 0 = 0,02 ∗ ∗
42. ¿?