Mi aporte estimada Ingeniera y compañeros:

1. ¿Qué ventajas encuentra en el aprendizaje automático?

El aprendizaje automático es la técnica que utiliza serie de algoritmos que hacen que
tu dispositivo aplicación sean artificialmente inteligentes, aborda y resuelve
problemas prácticos.
Entre las ventajas tenemos:
- El campo de estudio y aplicación es multi-disciplinar.
- Sus aplicaciones tienen que integrarse a lo ya construido.
- Predice situaciones a largo plazo.
- Realiza tareas complejas.
- Reducción del costo en el ámbito laboral.
- Reducción del tiempo en realizar cierta actividad.
- Detectan tendencias más rápido de lo que cualquier humano podría hacerlo.

2. ¿Mencione algunas áreas o ejemplos en los que se pueda aplicar el aprendizaje

automático?
Sus aplicaciones son muy diversas, se puede utilizar, entre otras cosas en:
 Mapeos y modelados de 2D.
 Predicciones económicas.
 Optimización e implementación de campañas digitales publicitarias.
 Ciberseguridad
 Diagnósticos médicos
 Detección de patrones en imágenes.
 Filtros de Spam para correo electrónico.
 Juegos, etc.

3. Describa si es posible alguna tarea cotidiana en el que pueda ser aplicado el

aprendizaje automático.
Dentro las tareas cotidianas que usualmente realizamos es el vestirnos, lo aplicaría en
esta tarea ya que nos ayudaría a elegir la vestimenta adecuada de acuerdo a la
climatología de la ciudad en donde residimos, si este esta soleado, nubloso o lluvioso;
si se tiene alguna reunión y dependiendo de los días: si es de lunes a viernes o los
fines de semana.

4. ¿En qué actividades o aplicaciones puede ser utilizada la minería de datos?

Las aplicaciones más extendidas son las siguientes:
1. Análisis de datos financieros: se emplea tanto en el sector bancario como en el
de las finanzas. Se busca proveer datos que aseguren que es posible practicar
análisis sistemáticos en condiciones avanzadas y con garantías de fiabilidad.
Algunos ejemplos son:
 Diseño y construcción de almacenes de datos para el análisis multidimensional de
datos.
 Predicción de pago de préstamos y análisis de políticas de crédito de cliente.
 Clasificación y el agrupamiento de los clientes para la creación de ofertas
personalizadas.
 Detección de blanqueamiento de dinero y otros delitos financieros.

2. Industria minorista: ayuda a identificar patrones de compra de los clientes y

tendencias. De esta forma, las empresas están en condiciones de proporcionar
una mejor calidad de servicio al cliente, aumentando su satisfacción y facilitando
su retención. Entre estas aplicaciones destacan las que permiten:
 El análisis multidimensional de las ventas, los clientes, los productos, el
tiempo y la región.
 Los análisis de la eficacia de las campañas de ventas.
 La recomendación personalizada de productos.
 Las referencias cruzadas de artículos.

3. Industria de las telecomunicaciones: ayudan en la identificación

de los patrones de telecomunicaciones, facilitan la detección de actividades
fraudulentas y posibilitan el hacer un mejor uso de los recursos, mejorando
la calidad del servicio. Entre las más ventajosas están:
 Análisis multidimensional de datos de telecomunicaciones.
 Análisis de patrones fraudulentos.

4. Análisis de datos biológicos: aporta una contribución importante para el

análisis de datos biológicos:
 Descubrimiento de patrones y análisis de redes genéticas.
 Identificación de patrones de proteínas estructurales.

Fuentes:
- https://adenu.ia.uned.es/web/es/presentation/technological_development/machi
ne_learning
- https://blog.adext.com/es/machine-learning-guia-completa