EXPOCISION MACHINE LEARNING

Que es el machine learning? Andrés

Después de la breve explicación va el ejemplo del google del detector de

fotos ojo importante

Sigue Andrés hasta terminar explicando lo de que es machine learning y

explica los tipos de machine learning hay acaba el

-Luego voy yo con la parte de la historia hasta la adopción

- luego va Juan Carlos con la parte de la importancia

- una vez terminado esto va Juan Palomino rematando la exposición con

tipo de algoritmos

Y por último nuestro ejemplo con código de machine learning en Excel y

net beans en esta parte se espera que todos hablemos entonces Juan
Carlos y juan Palomino explicaran el código ya que ellos tienen mejores
bases en sistemas , Andrés y yo explicaremos el Excel y la parte de
regresión lineal con la ayuda de juan Palomino
EXPOSICIÓN DAVID BAUTISTA

 Machine learning es un término que en la actualidad se escucha

con más frecuencia en la industria TI, debido a su cercanía con
tecnologías como Inteligencia Artificial (IA), Big Data, entre otros.

Arthur Samuel que contribuyó a que la computadora mejorara

en el juego conforme jugaba más, esto fue posible al estudiar qué
movimientos componían estrategias ganadoras e incorporarlos en
su programa. El software era un programa que jugaba a las
damas y que mejoraba su juego partida tras partida.

1 winter

 1979 — Estudiantes de la Universidad de Stanford inventan el

“Stanford Cart”, un robot móvil capaz de moverse autónomamente
por una habitación evitando obstáculos.

Explocion de los 80

 1981 — Gerald Dejong introduce el concepto “Explanation Based

Learning” (EBL), donde un computador analiza datos de
entrenamiento y crea reglas generales que le permiten descartar
los datos menos importantes.

 2 winter

Ibm 1997 vence al campeón mundial de ajedrez Gary kasparov

deep blue

Deep learning
 puede ser representada en muchas formas (por ejemplo,
un vector de píxeles), pero algunas representaciones hacen más
fácil aprender tareas de interés (por ejemplo, "¿es esta imagen
una cara humana?") sobre la base de ejemplos, y la investigación
en este área intenta definir qué representaciones son mejores y
cómo crear modelos para reconocer estas representaciones.

IBM:Watson responde a las preguntas gracias a una base de

datos almacenada localmente.4 La información contenida en esa
base de datos proviene de multitud de fuentes, incluyendo
enciclopedias, diccionarios, tesauros, artículos de noticias, y obras
literarias, al igual que bases de datos externos, taxonomías, y
ontologías (específicamente DBpedia, WordNet).5

Sin conexión a internet

 Google. El ciéntifico informático Jeff Dean, empleado de Google, y

Andrew Ng, de la Universidad de Stanford, lideran el proyecto
GoogleBrain, que desarrolla una red neuronal profunda que puede
aprender a descubrir y categorizar objetos de forma similar a
como lo hace un gato.

 Facebook. Los responsables en el área desarrollan DeepFace, un

algoritmo de software que puede reconocer o verificar individuos
en fotos al mismo nivel que los humanos.

 Microsoft. Logran que Kinect pueda rastrear 20 funciones

humanas a una velocidad de 30 veces por segundo, lo que permite
a las personas interactuar con la computadora a través de
movimientos y gestos