AI vs ML

AI
Término general para todo lo relacionado a los computadores imitando la inteligencia humana (robots, autos inteligentes, aspiradoras, etc)

ML
subtrama de la AI que permite a los computadores aprender sin ser explícitamente programado, a diferencia de una programación tradicional que le dice explícitamente qué debe hacer.

Machine Learning incluye el aprendizaje supervisado y no supervisado

Supervisado

maneja datos etiquetados, trabaja según tareas e identifica un objetivo

Hay dos tipos grandes de supervisado: Clasificación y regresión.
1. Clasificación
predice variables categóricas, como determinar si una foto es un perro o un gato
2. Regresión
predice variables numéricas, como predecir las ventas futuras de un producto según su historia.

No supervisado

maneja datos no etiquetados, trabaja según los datos e identifica patrones.

Hay tres grandes tipos de no supervisado.

1. Clustering, que agrupa datos con características similares, las asigna a un cluster.
   • Como para demografías y segmentación.
   • Usarías modelos ML como k-means clustering.
2. Association, identifica y correlaciona.
   • Como para identificar productos que podrían ir juntos.
   • Usarías técnicas de aprendizaje de asociación basado en reglas y algoritmos como Apriori.
3. Dimensionality reduction, reduce el número de dimensiones o características en un dataset para mejorar la eficiencia.
   • Como por ejemplo usar la edad, historial de manejo o tipo de auto para crear una regla simplificada para calcular un seguro.
   • Usarías técnicas de ML como análisis de componente principal.

Deep learning o Deep Neural Networks = subtrama del ML que añade capas entre el input y el output.