Aprendizaje automatizado y aplicaciones

Abstract

Una parte esencial del análisis de datos es la definición de la información o datos suministrados por un fenómeno. Aunque existen diferentes estructuras de datos, en todos los casos es indispensable realizar un preprocesamiento, el cual puede ir desde la categorización de una variable o la reducción de dimensiones, hasta la aproximación de entradas ausentes en la matriz de datos por medio de la compleción de matrices. Este trabajo se centra en el estudio de los métodos básicos para el entendimiento del aprendizaje automatizado con un lenguaje formal, considerando datos estructurados, centrado en el aprendizaje supervisado y no supervisado. Así mismo, se establecen algunos de los métodos que poseen una gran capacidad predictiva. Estas técnicas son reconocidos por sus múltiples aplicaciones en la segmentación de datos y su utilidad en la detección de anomalías

Abstract: An essential part of data analysis is the defintion of the information or suministered data given by a phenomena. Even though there are different data structures, in every case it is essential to make a pre-processing. This pre-process can go from categorization of a variable or reduction of dimensions to the aproximation of absent entries in the data matrix using matrix completion. This work is centered in the study of the basic methods needed for the understanding of machine learning with a formal language considering structural data, centered in the supervised and unsupervised learning. In this same manner, some of the methods stablished have a great predictive capacity. These methods are recognized by their multiple aplications in data segmentation and their utility in anomaly detection..