16 hojas de referencia esenciales de Machine Learning para científicos de datos

El Machine Learning, como todos sabemos, proporciona a los ordenadores la capacidad de aprender, adaptarse a cambios y tomar decisiones sin ser programados explícitamente. El proceso de aprendizaje automático es similar al de la minería de datos y ha evolucionado desde el estudio de reconocimiento de patrones y teoría del aprendizaje computacional en inteligencia artificial.

Los algoritmos de machine learning se pueden categorizar como supervisados o no supervisados. Los algoritmos supervisados pueden aplicar lo aprendido en el pasado a nuevos datos; por otro lado, los algoritmos no supervisados extraen inferencias de conjuntos de datos.

Por ejemplo, el News Feed de Facebook usa machine learning para personalizar el feed de cada usuario. Si un usuario se detiene regularmente para leer, dar like o compartir la publicación de un amigo específico, la próxima vez el News Feed mostrará más actividad de ese amigo antes en el feed. En el backend, el programa usa análisis estadístico y predictivo para examinar e identificar patrones en los datos del usuario. Si el usuario ya no se detiene a leer las publicaciones de ese amigo, los nuevos datasets se incluirán y el News Feed se ajustará en consecuencia.

Hemos recopilado una lista de algunas hojas de referencia de machine learning útiles que te ayudarán a obtener conocimiento profundo sobre inteligencia artificial.

16. Hoja de referencia de algoritmos Scikit-Learn

A veces la parte más difícil de resolver un problema de machine learning puede ser buscar el estimador óptimo para el trabajo. Diferentes estimadores se requieren para resolver diferentes problemas. El diagrama de flujo está diseñado para dar a los usuarios una guía aproximada sobre cómo abordar problemas con respecto a qué estimador deberías implementar en los datos.

Leer: 25+ herramientas gratuitas de minería de datos para mejor análisis

15. Algoritmos y comandos de Machine Learning

Creada por Ajitesh Kumar, esta hoja contiene 10 famosos algoritmos de machine learning y comandos R relacionados junto con información de paquetes. El objetivo es representar una página de referencia rápida para principiantes que trabajan en temas relacionados con machine learning.

14. Entendiendo Machine Learning: Para principiantes

Creada por Todd Jaquith, esta infografía es perfecta para principiantes. Simplemente explica qué es machine learning, cuál es su historia, cómo se implementa, cuáles son los enfoques y aplicaciones.

13. Mapa mental de algoritmos de Machine Learning

Empezar con machine learning puede ser agotador y buscar el algoritmo o técnica correcta podría ser engañoso. Este mapa mental te dará una base para seleccionar el algoritmo de machine learning adecuado para tus requisitos.

12. Códigos en Python y R

La colección de los 10 algoritmos de machine learning más usados con sus códigos en Python y R. Ambos lenguajes de programación facilitan la tarea más de lo que mucha gente cree porque ambos vienen con varios soportes integrados y extendidos, mediante el uso de datasets, librerías y otros recursos.

Leer: 25 frameworks útiles de Python para desarrolladores

11. Hoja de referencia para dummies

La hoja de referencia tiene dos partes, ambas creadas en estructura de tabla. La primera te da un resumen rápido de debilidades y fortalezas de diferentes algoritmos de machine learning. La segunda tabla te proporciona la lista de librerías usadas para tanto Python como R. Cuando quieras implementar cualquier tarea relacionada con algoritmos, simplemente carga la librería necesaria para esa tarea en tu código fuente.

10. Sistemas de Machine Learning para SEO

La agencia de gestión y optimización de búsqueda del Reino Unido Alchemy Viral creó una infografía en profundidad sobre sistemas de machine learning y cómo influyen en las tácticas de SEO (Optimización de Motores de Búsqueda).

9. Principales algoritmos de Machine Learning

Para abordar la naturaleza compleja de varios problemas de datos del mundo real, se han creado algoritmos especializados para resolver estos problemas en menos tiempo usando menos recursos. Para principiantes, esta es una breve discusión sobre los principales algoritmos de machine learning usados por científicos de datos.

8. Algoritmo para Aprendizaje Supervisado y No Supervisado

Para resumir el material más importante, Emanuel Ferm creó una hoja de referencia en LaTeX. Incluye aprendizaje y aplicación de clasificadores lineales y algoritmos de clustering en conjuntos de datos más pequeños.

7. Hoja de referencia de supersticiones de Aprendizaje Supervisado

Esta la creó Ryan Compton, y contiene varios algoritmos de aprendizaje supervisado comúnmente usados. Se han discutido diferentes métodos, incluyendo regresión logística, árboles de decisión, K vecinos más cercanos, Naive Bayes y máquinas de vectores de soporte.

6. ¿Cómo funciona Machine Learning en mensajería móvil?

La infografía de Kahuna te muestra cómo las empresas usan tecnología de machine learning para ofrecer una mejor experiencia al cliente.

5. Machine Learning: Ecuaciones y Algoritmos

Una hoja de referencia simple de machine learning hecha por Dr. Rico Möckel. Incluye varias ecuaciones y algoritmos junto con su descripción.

4. Hoja de referencia de Machine Learning

Esta es una hoja de referencia detallada que contiene una amplia gama de ecuaciones y diagramas clásicos, que te ayudarán a recordar rápidamente conocimientos sobre machine learning. No solo para desarrolladores, también viene bien si estás preparando una entrevista de trabajo relacionada con inteligencia artificial.

3. Machine Learning en Emoji

Emily Barry mezcló el algoritmo de machine learning con su amor por los emojis. Como resultado, creó una guía completa y llamativa de machine learning que es divertida de leer.

2. Machine Learning: Patrones para Analítica Predictiva

Otra útil hoja de referencia de machine learning proveniente de Dzone que cubre analítica predictiva, explica configuración de datos de entrenamiento y prueba, y ofrece fragmentos de modelos de machine learning.

1. Microsoft Azure Machine Learning

Leer: 18 proyectos de investigación extraordinarios de Microsoft

Microsoft Azure Machine Learning te ayudará a seleccionar el algoritmo apropiado para un modelo de analítica predictiva. Azure Studio tiene una amplia gama de algoritmos de las familias de regresión, clustering, clasificación y detección de anomalías. Cada uno está desarrollado para abordar diferentes tipos de problemas de machine learning.