Introducció
La Intel·ligència Artificial és una branca de l'enginyeria que s'ha desenvolupat primordialment pels avenços tecnològics i la seva disponibilitat. La Intel·ligència Artificial actualment està molt relacionada amb el Machine Learning i els seus algoritmes. |
Antecedents
1950: Alan Turing publicà Computing Machinery and Intelligence i introdueix el Test de Turing |
1956: John McCarthy creà el terme intel·ligència articial. |
1967: Rosenblatt creà la Mark 1 Perceptron, la primera màquina basada en xarxes neuronals |
1997: la màquina Deep Blue, desenvolupada per IBM, guanyà al campió el món d'escacs Garry Kasparov. |
2011: IBM desenvolupà Watson, guanya als campions Jennings i Rutter al Jeopardy!. |
2015. Baidu desenvolupà Minwa, utilitza xarxes neuronals profundes convolucionals |
2016: Deep Mind desenvolupà Alpha Go |
IA , ML i DL
Es coneix com a IA la disciplina que tracta de crear màquines intel·ligents, de manera que siguin capaces d'enraonar, comprendre i produir els mateixos resultats que els humans. |
El Machine Learning o Aprenentatge Automàtic és la capacitat de les màquines per adaptar-se a noves circumstàncies a través del flux de dades que els arriba. |
El Deep Learning és un conjunt d'algoritmes utilitzats en el Machine Learning. La diferència entre aquests algoritmes i d'altres utilitzats és que es basen en xarxes neuronals artificials. |
Aplicacions
Reconeixement per veu |
NLP Natural Language Processing |
Reconeixement d'imatges |
Comerç automàtic d'actius bancaris |
Recomanacions real-time |
Robots domèstics... |
|
|
Machine Learning
l'aprenentatge supervisat: |
Continu (s'utilitzen algoritmes, como poden ser regressions linials o polinòmiques, o arbres de decissions.) i Categòric (busquem classificar observacions) |
l'aprenentatge no-supervisat |
busca trobar patrons o estructures internes a les dades amb l'objectiu de augmentar el coneixement. Algoritmes de clusterització (K-means). |
Traininig and Test dataset
Training dataset |
Test dataset |
per entrenar el model |
per comprovar la precissió del model. |
Mesures de qualitat en aprenentatges supervisats
1r pas. Generem el model amb el train dataset. |
agafem el test dataset i l'apliquem al nostre model |
2n pas. Aplicar al model el test dataset |
3r pas. Compara Valors |
Algoritmes
Regressions |
Regressió logística |
KNN-Nearest Neighbours |
Decission Trees |
Support Vector Machines |
Xarxes Neuronals |
K-Means |
|
|
Regressions
trobar la dependència entre una variable dependent contínua i una o vàries variables independents: regressions lineals. |
Regressió logística
algoritme per realitzar classificacions |
K-Nearest Neighbours
algoritme que permet classificar una observació en una categoria en funció de la categoria a la que pertanyen els veins més propers. |
Decission Trees
arbres de decisió configuren un mètode que pot ser aplicat tant a problemes de regressió com de classificació. Els arbres de decisió disposen de tres elements bàsics: |
Node: |
Branques: |
Fulles: |
representats per atributs. |
les diferents opcions a partir d'un node. |
representen el resultat final |
Support Vector Machines
Els SVM o màquines de vectors de suport són algoritmes de classificació que generen un hiperplà que separa el màxim possible les observacions pertanyents a diferents classes. |
Xarxes Neuronals I
les xarxes neuronals artificials, es basen en el perceptron, que per si sol constitueix la xarxa neuronal més bàsica. Aquest rep una o múltiples entrades, x1... xn, amb pesos per a cadascuna d'elles, w1... wn, una entrada de bias, w, executa una funció d'activació, i proporciona una sortida. |
K-Means
algoritme per realitzar aprenentatge no-supervisat |
Hi han diferents passos: selecció del número de clusters que volem. Asignació de cada dada a un cluster, per obtenir el centroid, Calculem la distància de cada observació a cadascun dels centroids, i els assignem al cluster que té el centroid més proper Amb els nous clusters creats, recalculem els nous centroids, |
Mesures de qualitat en aprenentatges supervisats
Generem el model amb el train dataset. |
Mesures de qualitat en aprenentatges supervisats
Generem el model amb el train dataset. |
|
Created By
Metadata
Comments
No comments yet. Add yours below!
Add a Comment
Related Cheat Sheets