<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Machine Learning by pedro ramos</title>
      <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg</link>
      <description>Actividad n1</description>
      <language>en-us</language>
      <pubDate>2021-10-27 20:16:44 UTC</pubDate>
      <lastBuildDate>2023-09-29 04:28:15 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url>https://padlet-uploads.storage.googleapis.com/1427317019/fdd8cfe2645af252d3f457c36094f7d1/99334164_futuro_robot_robot_de_chat_con_lindos_ojos_azules_y_sonrisa_cara_en_pantalla_ilustraci_n_vectorial_p.jpg</url>
      </image>
      <item>
         <title>Clustering</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849384410</link>
         <description><![CDATA[<div>Recomendado cuando se disponen solo los datos de entrada y hay interés en&nbsp; agrupar estos objetos en grupos similares.</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:21:49 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849384410</guid>
      </item>
      <item>
         <title>Machine Learning</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849384666</link>
         <description><![CDATA[<div>El machine learning es una rama de la inteligencia artificial, que tiene como ojetivo crear sistemas capaces de aprender, sin ser estos programados de forma explicita.<br><br></div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/930328028/6ae7fb9c7448469f94929f5862cf4045/_ndice.jpg" />
         <pubDate>2021-10-27 20:21:56 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849384666</guid>
      </item>
      <item>
         <title>Sistema de regresión</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849385384</link>
         <description><![CDATA[<div>Sistemas capaces de aprender por ellos mismo sin ser programados de forma explicita, con la finalidad de predecir hechos futuros.<br>la regresion, que devuelve como salida un valor arbitrario(un numero real, un vector de numeros reales, cadenas de simbolos).</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:22:19 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849385384</guid>
      </item>
      <item>
         <title>Sistema de clasificación</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849385605</link>
         <description><![CDATA[<div>Los datos de entrada X son arbitrarios y el analisis de sistema que devulve como salida un conjunto finito de resultado, generalemte prequeño(y=({0.1}, Y={si,no})).</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:22:27 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849385605</guid>
      </item>
      <item>
         <title>Overfitting</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849388051</link>
         <description><![CDATA[<div>Sobreajuste de datos del modelo. En este caso el modelo se encuentra "sobre-entrenado" y solo considera como válido los datos idénticos a los del conjunto de entrenamiento. Se ajusta a los datos particulares.</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1427317019/168e9e74ffbe5143b7e172aeeed11262/over.png" />
         <pubDate>2021-10-27 20:23:47 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849388051</guid>
      </item>
      <item>
         <title>Underfitting</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849388204</link>
         <description><![CDATA[<div>Sobregeneralización de datos, ocurre cuando el modelo no es capaz de identificar u obtener resultados correctos. Ocurre cuando faltan suficientes muestras.</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:23:52 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849388204</guid>
      </item>
      <item>
         <title>Tipos de Aprendizaje</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849389337</link>
         <description><![CDATA[<div>*Aprendizaje supervisado, recomendado cuando se tiene la información de entrada y salida. La con mejores resultados.<br><br>*Aprendizaje no supervisado, recomendado cuando se tienen los datos de entrada.<br><br>*Aprendizaje no supervisado, hibrido entre supervisado y no supervisado.<br><br>*Aprendizaje adaptativo, se parte de un modelo previo y sus parámetros de entradas se adaptan a los de datos de salida.<br><br>*Aprendizaje on-line, el sistema aprende desde cero con proceso de predicción y corrección humana.<br><br>*Aprendizaje por refuerzo, recomendado para la educación de animales en donde los datos son binarios.</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:24:30 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849389337</guid>
      </item>
      <item>
         <title>Hipótesis</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849392352</link>
         <description><![CDATA[<div>Conjunto de funciones o modelos, que se ajusta y generaliza los datos de entrenamiento.</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:26:11 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849392352</guid>
      </item>
      <item>
         <title>Métodos de evaluación de un sistema</title>
         <author></author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849400037</link>
         <description><![CDATA[<div>Para evaluar las hipotesis obtenidas tras la aplicacion de las tecnicas ML.<br>Dado un conjunto de datos se pueden enumerar los siguientes metodos de evaluación.<br>1.- Restitución: todos los datos disponibles se utiliza como datos de test y entrenamiento.<br>2.-Partición(Hold Out): divide los datos en subconjuntos, uno para entrenamiento y otro para test, problema que tiene este metodo es que se desaprovechan los datos de test para la obtencion de hipotesis.<br>3.-Validación Cruzada: divide los datos en 'N' bloques, cada bloque se utiliza como test para ser un sistema entrenado. el problema es que este metodo reduce el numero de datos cuando el numero de datos de cada blqoue es grande.<br>4.-Exclusión Individual: este metodo utiliza cada dato como individual como dato unico de test en un sistema entrenado con todos los datos excepto el de test.&nbsp;</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-10-27 20:30:22 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849400037</guid>
      </item>
      <item>
         <title>Data set</title>
         <author>petercero2</author>
         <link>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849400982</link>
         <description><![CDATA[<div>Es el conjunto o colección de datos y/o archivos organizado en tablas. Permite la construcción de modelos.</div>]]></description>
         <enclosure url="http://blogs.sas.com/content/sasdummy/files/2012/04/readdata_psgrid.png" />
         <pubDate>2021-10-27 20:30:49 UTC</pubDate>
         <guid>https://padlet.com/petercero2/7kdqapzlnlgxwusg/wish/1849400982</guid>
      </item>
   </channel>
</rss>
