Principiante
¿Qué es el aprendizaje automático?
El aprendizaje automático (ML) es un subcampo de la inteligencia artificial en el que los sistemas aprenden patrones a partir de datos o experiencia para hacer predicciones, clasificaciones, recomendaciones o decisiones sin estar programados explícitamente para cada caso.
¿Qué es el aprendizaje supervisado?
El aprendizaje supervisado es un enfoque de aprendizaje automático en el que un modelo aprende de ejemplos que emparejan entradas con salidas objetivo o etiquetas conocidas. El modelo usa esos ejemplos etiquetados para aprender mapeos que pueden apoyar predicción, clasificación o regresión sobre datos nuevos.
¿En qué se diferencia el aprendizaje no supervisado del aprendizaje supervisado?
Usa aprendizaje supervisado cuando existen ejemplos etiquetados de entrada-salida; usa aprendizaje no supervisado cuando el objetivo es descubrir estructura sin etiquetas.
¿Qué es el aprendizaje por refuerzo?
El aprendizaje por refuerzo (RL) es un paradigma de aprendizaje automático en el que un agente aprende a actuar en un entorno recibiendo recompensas o penalizaciones por sus acciones. El objetivo es aprender una política que maximice la recompensa acumulada esperada a lo largo del tiempo.