El aprendizaje no supervisado es una técnica de machine learning donde se proporciona un conjunto de datos de entrada sin etiquetar al algoritmo, es decir, sin indicarle cuál es la salida esperada. El objetivo del algoritmo es identificar patrones o estructuras subyacentes en los datos de entrada y agruparlos de manera significativa. A diferencia del aprendizaje supervisado, en el que el algoritmo recibe datos etiquetados, en el aprendizaje no supervisado el algoritmo debe encontrar patrones y relaciones en los datos por sí mismo. Ejemplos comunes de técnicas de aprendizaje no supervisado son el clustering y la reducción de la dimensionalidad.
Cobrar deudas, hoy en día, se está convirtiendo en una ardua tarea para muchas empresas o autónomos. Cada vez son más los bancos, servicios [...]
Leer más »La Inteligencia Artificial está transformando la forma en la cual las empresas se relacionan con sus clientes, cómo se gestiona el trabajo, el talen [...]
Leer más »Se pueden destacar 5 desafíos del Big Data que se definen como V (volumen, velocidad, veracidad, variedad y valor). R. Narasimhan debatió sobre 3V c [...]
Leer más »La web semántica o “internet del conocimiento” es una prolongación de la actual web. A diferencia de esta, la web semántica se basa en proporci [...]
Leer más »