Machine Learning

El Machine Learning (aprendizaje automático) es una rama de la inteligencia artificial que desarrolla algoritmos capaces de aprender patrones a partir de datos, sin necesidad de programar explícitamente cada regla. En lugar de escribir instrucciones para cada caso, entrenamos un modelo con ejemplos y esperamos que generalice a nuevas situaciones.

En esta sección trabajamos los tres grandes tipos de problemas: el aprendizaje supervisado, donde disponemos de una variable objetivo que queremos predecir; el aprendizaje no supervisado, donde buscamos estructura en los datos sin una respuesta definida; y los problemas de generalización, donde el foco está en construir modelos que funcionen bien más allá de los datos de entrenamiento. La librería principal es scikit-learn, que provee una interfaz uniforme para entrenar, evaluar y comparar modelos.

Construir un modelo es relativamente sencillo; construir uno que sea confiable y útil requiere entender qué está midiendo cada métrica y qué puede salir mal.

Conceptos clave

Concepto	Descripción
Aprendizaje supervisado	El modelo aprende a partir de datos etiquetados, es decir, ejemplos donde se conoce la respuesta correcta. El objetivo es predecir la etiqueta de nuevas observaciones.
Aprendizaje no supervisado	No existe una variable objetivo. El modelo busca estructura en los datos: agrupaciones, patrones o representaciones compactas.
Variable objetivo (target)	La variable que queremos predecir. Si es continua, el problema es de regresión; si es categórica, es de clasificación.
Features (características)	Las variables que usamos como entrada del modelo para predecir la variable objetivo.
Entrenamiento y evaluación	El modelo se ajusta sobre un conjunto de datos de entrenamiento y se evalúa sobre datos que no vio durante ese proceso.
Overfitting	El modelo memoriza los datos de entrenamiento pero generaliza mal a datos nuevos. Es uno de los problemas más frecuentes en la práctica.
Métricas de desempeño	Medidas cuantitativas del rendimiento del modelo: RMSE y R² para regresión; accuracy, precisión, recall y AUC para clasificación.
Scikit-learn	Librería de referencia para Machine Learning en Python. Provee una API uniforme para preprocesamiento, entrenamiento, evaluación y selección de modelos.