DATA MINING VS MACHINE LEARNING

DATA MINING VS MACHINE LEARNING

[pic 1]

ESTEBAN SARDI FERNÁNDEZ - 2180459

KEVIN ALEXIS GALLEGO ALBARRACIN- 2180554

BASES DE DATOS 2
GRUPO: 51

DOCENTE: LEONARDO FABIO BOTERO VILLALBA

UNIVERSIDAD AUTÓNOMA DE OCCIDENTE

SANTIAGO DE CALI, VALLE
2021

1. ¿Qué es machine learning?

Machine learning o también se conoce en español como Aprendizaje automático, es una rama de la inteligencia artificial que permite que un sistema aprenda de los datos que se le brindan en lugar de hacerlo mediante programación explícita, el algoritmo a medida que vaya ingiriendo estos datos, se vuelve más robusto y capaz de producir modelos más precisos basados en datos. Pero, ¿Qué es un modelo de machine learning?, básicamente es la salida de información que se produce cuando entrenamos a nuestro algoritmo de machine learning, cuando le proporcionamos un modelo de entrada este nos dará una salida con base a como la entrenamos, por ejemplo si fue un algoritmo predictivo esté creada un modelo predictivo y cuando proporcionamos el modelo predictivo con datos, recibiremos un pronóstico basado en los datos que entrenaron al modelo.

Existen 2 métodos de machine learning que son los más usados:

Supervisados: En este tipo de aprendizaje se entrena al sistema proporcionando cierta cantidad de datos definiéndose en detalle con etiquetas, por ejemplo, proporcionando al algoritmo fotos de perros y gatos con etiquetas que los definen como tales para que esta los pueda diferenciar, después de haberle brindado la suficiente cantidad de dichos datos, podrán introducirse nuevos datos sin necesidad de etiquetas, este sistema se conoce como clasificación.

No supervisado: aquí no se usan valores verdaderos o etiquetas, ya que se utiliza cuando la información usada para entrenar no está ni clasificada ni etiquetada. En este método estudian cómo los sistemas pueden inferir una función para describir una estructura oculta a partir de datos no etiquetados. El sistema no encuentra el resultado correcto, pero explora los datos y puede extraer inferencias de conjuntos de datos para describir estructuras ocultas a partir de datos no etiquetados.

2. Diferencias con datamining

Para saber las diferencias entre Machine learning  y Data Mining, debemos entender  este último para así diferenciar de la mejor manera estas dos tecnologías. El Data Mining o también conocido como minería de datos es el proceso en el cual se utilizan técnicas para la extracción de datos de información significativa de grandes repositorios de datos y con esto hallar factores ocultos, tendencias, patrones y correlaciones, para así, permitir al usuario realizar inferencias y predicciones que resuelven problemas del negocio y/o empresa, generando una especie de ventaja competitiva frente a sus competidores, ya con lo dicho anteriormente, podemos diferenciarlos fácilmente:

...