Es coneix com a IA la disciplina que tracta de crear màquines intel·ligents, de manera que siguin capaces d'enraonar, comprendre i produir els mateixos resultats que els humans
|
La Intel·ligència Artificial és una branca de l'enginyeria que s'ha desenvolupat primordialment pels avenços tecnològics i la seva disponibilitat. La Intel·ligència Artificial actualment està molt relacionada amb el Machine Learning i els seus algoritmes.
|
|
1950: Alan Turing publicà Computing Machinery and Intelligence i introdueix el Test de Turing
|
|
|
1956: John McCarthy creà el terme intel·ligència articial.
|
|
|
1967: Rosenblatt creà la Mark 1 Perceptron, la primera màquina basada en xarxes neuronals
|
|
|
1997: la màquina Deep Blue, desenvolupada per IBM, guanyà al campió el món d'escacs Garry Kasparov.
|
|
|
2011: IBM desenvolupà Watson, guanya als campions Jennings i Rutter al Jeopardy!.
|
|
|
2015. Baidu desenvolupà Minwa, utilitza xarxes neuronals profundes convolucionals
|
|
|
2016: Deep Mind desenvolupà Alpha Go
|
|
Es coneix com a IA la disciplina que tracta de crear màquines intel·ligents, de manera que siguin capaces d'enraonar, comprendre i produir els mateixos resultats que els humans.
|
|
|
El Machine Learning o Aprenentatge Automàtic és la capacitat de les màquines per adaptar-se a noves circumstàncies a través del flux de dades que els arriba.
|
|
|
El Deep Learning és un conjunt d'algoritmes utilitzats en el Machine Learning. La diferència entre aquests algoritmes i d'altres utilitzats és que es basen en xarxes neuronals artificials.
|
|
Reconeixement per veu
|
NLP Natural Language Processing
|
|
Reconeixement d'imatges
|
Comerç automàtic d'actius bancaris
|
|
Recomanacions real-time
|
Robots domèstics...
|
|
l'aprenentatge supervisat:
|
|
|
Continu (s'utilitzen algoritmes, como poden ser regressions linials o polinòmiques, o arbres de decissions.) i Categòric (busquem classificar observacions)
|
|
|
l'aprenentatge no-supervisat
|
|
|
busca trobar patrons o estructures internes a les dades amb l'objectiu de augmentar el coneixement. Algoritmes de clusterització (K-means).
|
|
Training dataset
|
Test dataset
|
|
per entrenar el model
|
per comprovar la precissió del model.
|
|
1r pas. Generem el model amb el train dataset.
|
agafem el test dataset i l'apliquem al nostre model
|
|
2n pas. Aplicar al model el test dataset
|
|
|
3r pas. Compara Valors
|
|
|
Regressions
|
|
|
Regressió logística
|
|
|
KNN-Nearest Neighbours
|
|
|
Decission Trees
|
|
|
Support Vector Machines
|
|
|
Xarxes Neuronals
|
|
|
K-Means
|
|
trobar la dependència entre una variable dependent contínua i una o vàries variables independents: regressions lineals.
|
|
algoritme per realitzar classificacions
|
|
algoritme que permet classificar una observació en una categoria en funció de la categoria a la que pertanyen els veins més propers.
|
|
arbres de decisió configuren un mètode que pot ser aplicat tant a problemes de regressió com de classificació. Els arbres de decisió disposen de tres elements bàsics:
|
||
|
Node:
|
Branques:
|
Fulles:
|
|
representats per atributs.
|
les diferents opcions a partir d'un node.
|
representen el resultat final
|
|
Els SVM o màquines de vectors de suport són algoritmes de classificació que generen un hiperplà que separa el màxim possible les observacions pertanyents a diferents classes.
|
|
les xarxes neuronals artificials, es basen en el perceptron, que per si sol constitueix la xarxa neuronal més bàsica. Aquest rep una o múltiples entrades, x1... xn, amb pesos per a cadascuna d'elles, w1... wn, una entrada de bias, w, executa una funció d'activació, i proporciona una sortida.
|
|
algoritme per realitzar aprenentatge no-supervisat
|
|
|
Hi han diferents passos: selecció del número de clusters que volem. Asignació de cada dada a un cluster, per obtenir el centroid, Calculem la distància de cada observació a cadascun dels centroids, i els assignem al cluster que té el centroid més proper Amb els nous clusters creats, recalculem els nous centroids,
|
|
Generem el model amb el train dataset.
|
|
Generem el model amb el train dataset.
|
No comments yet.
Cheatography n. The art of mapping complex subjects into clear, instantly navigable reference guides.
