Inteligencia Artificial Experiencias y aprendizajes AI vs ML

Inteligencia Artificial: Experiencias y aprendizajes

AI vs ML vs DL vs RL Que es AI? Qué es Machine Learning? Hay diferencias? Y qué hay del Deep Learning y el Reinforcement Learning?

Machine Learning Capturar el patrón en observaciones

Tipos de problemas Supervisado Regresión vs vs No supervisado Clasificación

Tipos de problemas Semi-supervisado? ?

Tipos de modelos - Lineales Regresion lineal Regresion Logistica Regresion Softmax

Tipos de modelos - Basados en Árboles Arbol de Regresión Random Forest Arbol de clasificacion

Tipos de modelos - Basados en Redes Neuronales Perceptron Multicapa Red Neuronal Convolucional Red Neuronal Recurrente

Fases de un proyecto de ML - Inferencia

Testing / Calidad

www. abstracta. us

Técnicas de Diseño de Casos de Prueba En función de la información de entrada: ● ● Caja Blanca Caja Negra En función de los datos de entrada: ● ● ● Clases de equivalencia Valores límites Tabla de decisión Transición de estados Basadas en casos de uso

Testing en productos de ML Diseño del modelo y Entrenamiento ● ● ● Pruebas de predicción Overfitting / Underfitting Diagnóstico de problemas de Calidad de las Labels sesgo o varianza (uso de cross. Creación de datasets de validation para estimar error de entrenamiento, desarrollo y la mejor manera y tunear pruebas hiperparametros para reducirlo) Hiperparametros utilizados ● Cómo predice casos borde? Fit del modelo con el problema ● Cómo predice con ejemplos Representatividad del dataset alejados de los datos de entrenamiento? (Generalización) ● Modelo “CHAMPION● Desafíos de testear un modelo cuyo “Estado Esperado” es probabilístico por naturaleza CHALLENGER” ○ Intervalo de confianza, Media, Desviación estándar ○ Entender tipo de datos e impacto esperado en output ○ Porcentaje de ítems clasificados correctamente ● ●

Mas respecto a overfitting / underfitting