Aprendizaje automatizado y aplicaciones

Una parte esencial del análisis de datos es la definición de la información o datos suministrados por un fenómeno. Aunque existen diferentes estructuras de datos, en todos los casos es indispensable realizar un preprocesamiento, el cual puede ir desde la categorización de una variable o la reducción de dimensiones, hasta la aproximación de entradas ausentes en la matriz de datos por medio de la compleción de matrices. Este trabajo se centra en el estudio de los métodos básicos para el entendimiento del aprendizaje automatizado con un lenguaje formal, considerando datos estructurados, centrado en el aprendizaje supervisado y no supervisado. Así mismo, se establecen algunos de los métodos que poseen una gran capacidad predictiva. Estas técnicas son reconocidos por sus múltiples aplicaciones en la segmentación de datos y su utilidad en la detección de anomalías

• Autores: Moreno Córdoba, Jorge Humberto
• Fecha de publicación: 2019
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/76917
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/76917; http://bdigital.unal.edu.co/73922/
• Palabra clave: Aprendizaje automatizado; Estructura de datos; Compleción de matrices; Reducción de dimensiones; Predicción; Machine Learning; Data structure; Clustering; Exact matrix completion; Dimensionality reduction; Prediction
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional