MACHINE-LEARNING ; USOS Y APLICACIONES

MACHINE LEARNING

Definicion de Machine learning  : es una disciplina de la Inteligencia ArtifIcial que nace desde los años 60´ S y debido a las nuevas tecnologias computacionales ,sus avances se han acelerado.

Objetivos :

• Conocer las principales técnicas existentes y sus aplicaciones reales.
• Desarrollar aplicaciones de machine learning usando las herramientas que usa la industria.
• Saber aplicar la técnica correcta dado un problema concreto.
• Ampliar los conocimientos de python especialmente los paquetes: sklearn, numpy, etc.
• Desarrollar aplicaciones de Deep Learning usando tensorflow y pytorch

Usos por sector :

   Transporte:Identificar rutas más eficientes y Predecir problemas. 

•

•

Minirista : Reducir la pérdida de clientes durante el proceso de compra,mejorar campañas de mercadotecnia,personalizar la oferta ,eliminar intrusos,conocer preferencias del cliente,segmentar clientes con atributos similares,mejorar la experiencia de compra..etc

 Hospitales :Incrementar el éxito de una operación,eliminar re-ingresos innecesarios,predecir tiempos de espera en urgencias,prevenir infartos y convulsiones,identificar tendencias y mejorar diagnósticos.

Financiero:Prevenir créditos incobrables,predecir reclamaciones,prevenir fraudes y lavado de dinero

   Energía:Predecir fallas en refinerías,localizar nuevas fuentes de energía,analizar mineralesy optimizar la distribucion de los recursos energéticos .

  Gobierno : elevar eficiencia y ahorros,minimizar el robo de identidad y prevenir la corrupción.

  Servicios :  Fijar precios acorde a la demanda y alcanzar un ritmo de ventas óptimo.

  Legal: validar cláusulas contractuales por medio de robots .

Aplicaciones  :

•

1. Reconocimiento facial, de voz o de objetos
2. Anti-spam y anti-virus
3. Predicción y pronósticos
4. Comprensión y clasificación de textos
5. Vehículos autónomos y robots
6. Métodos de optimización y mejora logística
7. Análisis de imágenes de alta calidad
8. Análisis de datos económicos
9. Predecir fallos en equipos tecnológicos
10. Selección de clientes potenciales
11. Realizar prediagnósticos médicos
12. Recomendación de productos
13. Bots de soporte y asistentes digitales

•

•

•

•

•

•

•

•

•

•

•

•

•

•