Un subconjunto de la inteligencia artificial (IA), el aprendizaje automático (ML) es el área de la ciencia computacional que se centra en el análisis y la interpretación de patrones y estructuras de datos que hacen posible el aprendizaje, el razonamiento y la toma de decisiones sin interacción humana. Dicho de otro modo, el aprendizaje automático permite que el usuario alimente un algoritmo informático con una cantidad ingente de datos, a partir de los cuales el ordenador analice toda la información y sea capaz de tomar decisiones y hacer recomendaciones basándose únicamente en los datos introducidos. En el caso de identificar correcciones, el algoritmo puede incorporar esa información para mejorar la toma de decisiones futura.
El aprendizaje automático consta de tres partes:
Inicialmente, el modelo se alimenta de datos de parámetros para los que se conoce la respuesta. Se ejecuta entonces el algoritmo y se realizan ajustes hasta que el resultado del algoritmo (el aprendizaje) coincide con la respuesta conocida. En este momento, se va aumentando la cantidad de datos que se introducen para ayudar al sistema a aprender y procesar un número mayor de decisiones computacionales.
Los datos son la parte más importante de todas las empresas. Las decisiones que se toman en función del análisis de los datos marcan cada vez más la diferencia entre seguir el ritmo de la competencia o quedarse rezagado. El aprendizaje automático puede ser la clave a la hora de desbloquear el valor de los datos corporativos y del cliente, y de promulgar decisiones que mantengan a la empresa a la cabeza de la competencia.
El aprendizaje automático se aplica en todos los tipos de sectores; entre ellos, la fabricación, el comercio minorista, los servicios sanitarios y ciencias biológicas, los viajes y hostelería, los servicios financieros, la energía, las materias primas y los servicios públicos. Entre los casos prácticos se encuentran: