“Hace seis años que este tema empezó a tomar mucha fuerza, con los data scientists, o sea, personas que se dedicaban a ver perfiles y a mirar cómo se comportaban los datos. Esto provocó un nuevo campo laboral, porque las empresas tienen una necesidad de analizar sus datos para saber cómo se comportan los clientes y los usuarios”, remarca la ingeniera en Ejecución en Informática, Valentina Tombolini.
El 5 de noviembre, la docente de Ingeniería Informática Multimedia fue la protagonista del primer conversatorio de la Escuela, el que se denominó “Machine Learning” (aprendizaje automático), en el que también participó el director de la unidad, Patricio Salgado. La actividad fue transmitida vía streaming.
Tombolini, magíster en Educación y Formación Universitaria, explicó que el concepto de machine learning podría definirse como “la habilidad que tienen los computadores de lograr un aprendizaje sobre una tarea en concreto, con un algoritmo que no está definido sólo para esa tarea, sino que para cosas más flexibles”.
La docente detalló que el concepto “hoy tiene muchas aplicaciones. Por ejemplo, cada vez que empiezas a buscar alguna cosa en Google y empieza a autocompletarse la frase, con cosas nuevas que no necesariamente habías buscado antes, ahí está machine learning. Cuando utilizas Facebook y subes tus fotografías y empiezan a aparecer las etiquetas hechas de tus amigos, ahí también está”.
Tombolini precisó que en “en el aprendizaje supervisado, tomas la base de datos y tienes etiquetas que van a permitir que puedas saber cómo se va a comportar la data y las relaciones que van a haber entre ellas. El ejemplo más clásico es el valor de una propiedad (…) mientras más metros cuadrados, tendrá un valor más alto. Y eso probablemente tendrá una forma lineal de comportarse, o de forma logarítmica, de acuerdo con las variables que vayas mezclando (…) pero tú, más o menos esperas, un resultado. Esa es una forma de regresión. La otra forma es una clasificación, en la que esperas que el resultado sea A o B, y también lo haces con etiquetas”.
“El aprendizaje no supervisado ocurre con lo que no sabes muy bien cómo se va a comportar, sino que estás buscando algo. Por ejemplo, cuando buscas las noticias de Google, éste busca todas las noticias que tenga de acuerdo con el término que ingresaste”, detalló la académica.
“Los informáticos tenemos mucho que aportar desde la perspectiva del algoritmo (…) Por eso, aconsejaría a las nuevas generaciones que empiecen a investigar sobre las técnicas de minería de datos (…) es una buena base para empezar a trabajar en esto”, concluyó Tombolini.
Puede ver una galería con la actividad, haciendo clic aquí.
Universidad UNIACC
