Aprendizaje automático y Reconocimiento de patrones

Escenario 1

Un robot que crea un sistema de control adaptable para sí mismo y aprende de sus propias experiencias y comportamientos.

• Supervisado

• No Supervisado

• Refuerzo

Escenario 2

Un sistema de reconocimiento facial que identifica y clasifica las características faciales mediante un gran conjunto de datos de capacitación procesados por humanos.

• Supervisado

• No Supervisado

• Refuerzo

Escenario 3

Un sistema de recomendación para agrupar usuarios con patrones de visualización similares para recomendar contenido similar.

• Supervisado

• No Supervisado

• Refuerzo

Los científicos de datos que trabajan con nuestro cliente, AgroTech Robótica, revisaron el proceso utilizado para crear el modelo de aprendizaje automático. Quieren que documente el proceso, incluidos todos los pasos necesarios para completar el proyecto. ¿Está preparado para la tarea?

Se proporcionan el primer paso, la Preparación de Datos, y el último, la Implementación del Modelo. Seleccione las descripciones adecuadas para los Pasos 2 a 5.

Paso 2a

• La solución se evalúa con los datos de prueba

• Se prueba del conjunto de datos creado para evaluar el modelo

• El algoritmo evaluado en datos de aprendizaje

• Se elige el algoritmo

• El conjunto de datos de aprendizaje es creado para capacitar al modelo

Los científicos de datos que trabajan con nuestro cliente, AgroTech Robótica, revisaron el proceso utilizado para crear el modelo de aprendizaje automático. Quieren que documente el proceso, incluidos todos los pasos necesarios para completar el proyecto. ¿Está preparado para la tarea?

Paso 2b

• La solución se evalúa con los datos de prueba

• Se prueba del conjunto de datos creado para evaluar el modelo

• El algoritmo evaluado en datos de aprendizaje

• Se elige el algoritmo

• El conjunto de datos de aprendizaje es creado para capacitar al modelo

Los científicos de datos que trabajan con nuestro cliente, AgroTech Robótica, revisaron el proceso utilizado para crear el modelo de aprendizaje automático. Quieren que documente el proceso, incluidos todos los pasos necesarios para completar el proyecto. ¿Está preparado para la tarea?

Paso 3

• La solución se evalúa con los datos de prueba

• Se prueba del conjunto de datos creado para evaluar el modelo

• El algoritmo evaluado en datos de aprendizaje

• Se elige el algoritmo

• El conjunto de datos de aprendizaje es creado para capacitar al modelo

Los científicos de datos que trabajan con nuestro cliente, AgroTech Robótica, revisaron el proceso utilizado para crear el modelo de aprendizaje automático. Quieren que documente el proceso, incluidos todos los pasos necesarios para completar el proyecto. ¿Está preparado para la tarea?

Paso 4

• La solución se evalúa con los datos de prueba

• Se prueba del conjunto de datos creado para evaluar el modelo

• El algoritmo evaluado en datos de aprendizaje

• Se elige el algoritmo

• El conjunto de datos de aprendizaje es creado para capacitar al modelo

Los científicos de datos que trabajan con nuestro cliente, AgroTech Robótica, revisaron el proceso utilizado para crear el modelo de aprendizaje automático. Quieren que documente el proceso, incluidos todos los pasos necesarios para completar el proyecto. ¿Está preparado para la tarea?

Paso 5

• La solución se evalúa con los datos de prueba

• Se prueba del conjunto de datos creado para evaluar el modelo

• El algoritmo evaluado en datos de aprendizaje

• Se elige el algoritmo

• El conjunto de datos de aprendizaje es creado para capacitar al modelo

El aprendizaje automático crea modelos predictivos basados en los datos y aprende de ellos. En aprendizaje automatico los datos se dividen en dos conjuntos, y el primero se conoce como datos de _________________ y se utilizan para crear el modelo y consta de aproximadamente el 80% del conjunto de datos.

• Aprendizaje

• Prueba

• Entrenamiento

Después de crear el modelo de aprendizaje automático, se debe medir la precisión. Para este proceso, el sistema utilizan datos de __________________ , que consisten en el otro 20% de los datos, para evaluar el rendimiento del modelo y ajustarlo u optimizarlo para obtener mejores resultados.

• Aprendizaje

• Prueba

• Entrenamiento