Machine Learning

Módulo 2

Introducción al Machine Learning

Aprende cómo las máquinas pueden aprender de los datos para realizar predicciones precisas y descubrir patrones complejos.

Tipos de Aprendizaje

Supervised Learning

El modelo aprende a partir de datos etiquetados que ya contienen las respuestas correctas.

Clasificación (Categorías)Regresión (Valores numéricos)

Unsupervised Learning

El modelo descubre patrones ocultos y estructuras en datos que no tienen etiquetas.

Clustering (Agrupación)Reducción de dimensiones

Reinforcement Learning

Aprendizaje basado en la interacción con el entorno para maximizar recompensas.

Prueba y errorAgentes autónomos

Azure Machine Learning

01 Capacidades del Servicio

🤖

Automated ML

Entrena automáticamente los mejores modelos para tus datos.

🎨

Azure ML Designer

Interfaz visual de 'arrastrar y soltar' para crear pipelines sin código.

🏷️

Data Labeling

Gestiona proyectos de etiquetado de datos a gran escala.

📝

Jupyter Notebooks

Entorno de desarrollo interactivo para científicos de datos.

02 Métricas y Evaluación

Precisión (Accuracy)

Porcentaje de predicciones correctas sobre el total.

Recall / Exhaustividad

Capacidad de encontrar todos los casos positivos reales.

R² (Coeficiente de determinación)

Mide qué tan bien se ajusta el modelo a los datos en regresión.

Comprueba lo aprendido

¿Estás listo para el examen? Pon a prueba tus conocimientos sobre ML.

10 Preguntas
Pregunta 1 de 10
10%

Tienes datos de transacciones de tarjetas de crédito donde cada transacción está marcada como 'fraude' o 'no fraude'. ¿Qué tipo de aprendizaje es más adecuado?