A

Algoritmo

Conjunto de instrucciones que una máquina sigue para alcanzar un objetivo o conjunto de objetivos particulares.

Análisis exploratorio de datos

Un análisis de datos exploratorio (EDA, por sus siglas en inglés: Exploratory Data Analysis) es un procedimiento que consiste en obtener conocimientos sobre un conjunto de datos mediante su manipulación, análisis estadístico descriptivo e inferencial, y visualización en representaciones gráficas.

Aprendizaje auto-supervisado

El aprendizaje auto-supervisado un tipo de machine learning que consiste en modelos que aprenden mediante algoritmos que generan sus propias etiquetas a partir de datos no etiquetados, tomando como punto de partida la definición y ejecución de una tarea de pretexto. La tarea de pretexto es una actividad inicial a ejecutar, diseñada para que el modelo aprenda características útiles de los datos, para posteriormente realizar tareas más específicas.

Aprendizaje no supervisado

Tipo de machine learning cuyo fin es generar algoritmos que identifiquen patrones en conjuntos de datos no etiquetados.

Aprendizaje por refuerzo

El aprendizaje por refuerzo es un método de aprendizaje de máquinas cuyo objetivo es entrenar un modelo mediante la búsqueda de las acciones adecuadas en una situación determinada que maximizan la probabilidad de obtener una recompensa específica.

Aprendizaje semi-supervisado

Tipo de machine learning que consiste en la creación de modelos de aprendizaje automático entrenados con montículos de datos combinados: grandes cantidades de datos no etiquetados con porciones más pequeñas de datos etiquetados.

Aprendizaje supervisado

El aprendizaje supervisado es un tipo de aprendizaje de máquinas cuyo objetivo es la generación automática de modelos matemáticos que capturen patrones en un conjunto de datos etiquetados, es decir, de datos tipificados en dos clases: de entrada y de salida, donde las entradas son las variables independientes a considerar para el entrenamiento del modelo, y las salidas los valores de la variable dependiente.

B

C

Ciclo de vida de los datos

Colaboratory (Google)

Google Colaboratory es una plataforma en línea de Google que permite la creación, ejecución, almacenamiento y compartición de programas en Python en espacios de trabajo amigables y sencillos de utilizar.

Conjunto de datos

Cúmulo de información, generalmente dispuesto en tablas, que puede ser percibido como una unidad para su procesamiento computacional. Es la colección de datos de algún tópico, que se utiliza para alimentar un algoritmo de aprendizaje de máquinas.

Conjunto de datos de desarrollo

Subconjunto que se utiliza para determinar con qué rendimiento funciona el modelo operando sobre datos nuevos (que no pertenecen al conjunto de entrenamiento), permitiendo el ajuste en hiperpárametros para determinar cuáles generan los mejores resultados. 

Conjunto de datos de entrenamiento

Subconjunto del conjunto de datos que se procesa para la extracción de patrones, y con ello ajustar automáticamente los parámetros que constituyen al modelo (de machine learning).

Conjunto de datos de prueba

Subconjunto de datos utilizado para evaluar el modelo de machine learning después de su etapa de entrenamiento y (si aplica) de ajuste de hiperparámetros.

Conocimiento

D

Datos

E

F

G

H

I

J

K

L

M

Machine Learning

Modelo de machine learning

Representación matemática de un proceso o sistema complejo que se utiliza para hacer predicciones o tomar decisiones basadas en datos. En términos generales, un modelo es una función matemática que describe la relación entre una entrada (o conjunto de entradas) y una salida (o conjunto de salidas).

N

O

P

Preprocesamiento

Python

Q

R

S

T

U

V

W

X

Y

Z