Aprendizaje automático
Que los programas infieran reglas de los datos en lugar de codificarlas a mano
OVERVIEW
- Todos los conceptos
- 6
- Principiante
- 2
- Intermedio
- 3
- Experto
- 1
Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.
Preguntas que responde este dominio
- Q1
What separates “memorising” from “learning”?
- Q2
Why does a model that aces training fail in production?
- Q3
What can unlabelled data still be used for?
Entradas de este dominio
- 01Aprendizaje supervisadoPrincipiantePares de pregunta y respuesta enseñan al modelo a responder por sí solo
- 02Aprendizaje no supervisadoPrincipianteSin respuestas, la estructura debe emerger de los propios datos — y hay que redefinir qué es «bueno»
- 03Funciones de pérdidaIntermedioLa función de pérdida define qué penalizas — cambiarla cambia toda tu noción de lo correcto
- 04Sobreajuste y regularizaciónIntermedioEl modelo memoriza los datos de entrenamiento al pie de la letra y fracasa ante datos nuevos
- 05Evaluación de modelos y validación cruzadaIntermedioLa exactitud es la métrica más fácil de engañar — si evalúas mal, todo lo demás cae
- 06Compromiso sesgo-varianzaExpertoTodo error de predicción se divide en tres: un modelo demasiado simple, demasiado inestable, y el azar del propio mundo