Visión general de etiquetas para: 'machine_learning'

Entradas en este sitio con 'machine_learning'

• Variational AutoEncoder
  Los  Variational AutoEncoders (VAE)  son modelos de aprendizaje que mezclan las redes neuronales con distribuciones de probabilidad. Su principal uso es el de construir mo
• Medir la eficacia de un aprendizaje
  Tras ajustar el algoritmo de aprendizaje para desempeñar la tarea hemos de pasar a medir su eficiencia, es decir, intentar extraer alguna medida que nos informe de lo bien
• Algoritmos de Clustering
  Un algoritmo de  clustering  tiene como objetivo agrupar los objetos de un dataset según su  similaridad , de forma que los objetos que hay dentro de un grupo ( cluster )
• Breve Historia de la Inteligencia Artificial
  La Inteligencia Artificial es el nuevo término de moda en ciencia, tecnología y empresa, llegando a superar en muy poco tiempo a otros términos que estaban ocupando las po
• Teoría de la Probabilidad: Lo Mínimo
  La teoría de la probabilidad es el estudio de la  incertidumbre . Con este resumen se intentan dar los fundamentos necesarios para poder entender los algoritmos más habitu
• Ética para la Inteligencia Artificial
  Sesión del Seminario (I+A)A Ponente:  Miguel Ángel Gutiérrez Naranjo Fecha:  15 Junio 2018 Resumen:   Los profesionales que nos dedicamos a la Inteligencia Artificial pode
• ML aplicado a problemas de decisión/optimización
  Sesión del Seminario (I+A)A Ponente:  Jesús Giráldez Cru Fecha:  22 Junio 2018 Resumen:  Los problemas de decisión/optimización de restricciones son una de las áreas clási
• Nuevos paradigmas de datos - Big Data. ¿Qué? ¿Cuándo? ¿Cómo?
  Sesión del Seminario (I+A)A Ponente:   Juan Galán Paez Fecha:  1 Juniio 2018 Resumen:   En esta charla hablaremos del nuevo panorama tecnológico denominado Big Data. Inten
• Autocodificadores Variacionales y Diseño Generativo
  Sesión del Seminario (I+A)A Ponente:   J aime de Miguel Fecha:  25 Mayo 2018 Resumen:  La charla tratará de explicar en qué consisten los autodificadores variacionales y s
• GRU: Gated Recurrent Units (LSTM)
  Sesión del Seminario (I+A)A Ponente:   Miguel Ángel Gutiérrez Naranjo Fecha:  18 Mayo 2018 Resumen:   Podemos considerar información secuencial aquella en la que nuestro c
• XML: Aprendizaje Automático Explicable
  Sesión del Seminario (I+A)A Ponente:   Sergio Jiménez Fecha:  11 Mayo 2018 Resumen:  Comprender por qué los modelos de aprendizaje automático toman las decisiones que toma
• Deep Learning en el reconocimiento de escritura manual
  Sesión del Seminario (I+A)A Ponente:   Hugo Rubio Fecha:  4 Mayo 2018 Resumen:  Actualmente, vivimos en un mundo rodeados de aplicaciones y sistemas basados en algoritmos
• Millones de círculos por segundo - RICH@CERN
  Sesión del Seminario (I+A)A Ponente:  Daniel H. Cámpora Fecha:  8 Junio 2018 Resumen:  Para entender la diferencia entre la materia y la antimateria colisionamos millones
• Deep Learning en la clasificación de vídeos para cine digital
  Sesión del Seminario (I+A)A Ponente: Miguel Angel Martínez del Amor Fecha: 27 Abril 2018 Resumen: La clasificación automática de vídeos puede servir como herramienta efici
• Fundamentos Matemáticos del Machine Learning (I)
  El objetivo de la serie de entradas que comienza aquí es el de hacer un repaso por los fundamentos matemáticos que hay detrás del concepto de aprendizaje que nos encontram
• Seminario (I+A)A ... Nueva Temporada
  Da comienzo la segunda temporada del Seminario (I+A)A ( Inteligencia Artificial  +  Aprendizaje Automático ) del  Dpto. de Ciencias de la Computación e Inteligencia Artifi
• Bibliografía Comentada de ML
  Título: Metaheuristics: From Design to Implementation Descripción: This book provides a complete background on metaheuristics and shows readers how to design and implement
• Entrenamiento de Redes Neuronales: mejorando el Gradiente Descendente
  El procedimiento utilizado para llevar a cabo el proceso de aprendizaje en una red neuronal se denomina  entrenamiento . Aunque hay uno, el del Gradiente Descendiente , qu
• Self Organizing Maps (SOM) in NetLogo
  In this post we present how to implement Self Organizing Maps (Kohonen, 1992) in NetLogo. Specifically, we will implement two versions, a first introduction example to pro
• Artificial Neural Networks in NetLogo
  As a way to continue with AI algorithms implemented in  NetLogo , in this post we will see how we can make a simple model to investigate about Artificial Neural Networks (
• Aprendizaje por refuerzo: algoritmo Q Learning
  En entradas anteriores destacábamos dos tipos principales de aprendizaje automático: por una parte, el Aprendizaje Supervisado , y por otra el Aprendizaje no Supervisado .
• Métodos combinados de aprendizaje
  En el campo del aprendizaje automático, los métodos combinados ( métodos de ensemble ) utilizan múltiples algoritmos de aprendizaje para obtener un rendimiento predictivo
• Aprendizaje Inductivo: Árboles de Decisión
  Entre los diversos tipos de aprendizaje que podemos diferenciar, destaca el  aprendizaje inductivo , que se basa en el descubrimiento de patrones a partir de ejemplos. Ent
• Análisis Formal de Conceptos
  El análisis formal de conceptos proporciona una metodología para derivar una jerarquía de conceptos (como una ontología) a partir de una colección de objetos y las propied
• Aprendizaje Supervisado y No Supervisado
  Los modelos de aprendizaje supervisado  son aquellos en los que se aprenden funciones a partir de un conjunto de ejemplos de los que conocemos la salida deseada (dependien
• Mapas Auto-Organizados
  Los  Self Organizing Maps  ( Mapas Auto-Organizados ), o  SOM , fueron inventados en 1982 por Teuvo Kohonen, profesor de la Academia de Finlandia, y proporcionan una forma
• Introducción al Aprendizaje Automático
  Grosso modo, el  Aprendizaje Automático  (AA, o  Machine Learning,  por su nombre en inglés) es la rama de la Inteligencia Artificial que tiene como objetivo desarrollar t

Etiquetas relacionadas