Descargar APP gratis en APP Store 691o1w
Descargar APP gratis en Play Store
Aprendizaje automático (Machine Learning)… Aprendizaje profundo… son términos que cada vez oímos...
Aprendizaje automático (Machine Learning)… Aprendizaje profundo… son términos que cada vez oímos más a menudo, en artículos, en la radio, o incluso en redes sociales. Hoy en día, muchos avances científicos se apoyan en el potencial de estas técnicas. A pesar de ello, estas técnicas estadísticas siguen siendo comúnmente desconocidas e incomprendidas. En otras palabras, siguen siendo un misterio para muchas personas.
Entendemos “aprender” como el uso de la experiencia para ganar conocimiento. De pequeños aprendemos constantemente, cayéndonos, levantándonos y aprendiendo a mantener el equilibrio. El aprendizaje automático se basa este simple concepto. Concretamente, el aprendizaje automático (o Machine Learning en inglés) se refiere al uso de diversos métodos u algoritmos para construir un modelo basado en datos reales para predecir datos aún desconocidos.
En este episodio discutimos brevemente algunos de los métodos principales: k-vecinos más cercanos, regresión lineal, regresión logística, bosques aleatorios, máquinas de vector de soporte, agrupamiento y, como no podía faltar, también aprendizaje profundo. Aprendizaje automático y aprendizaje profundo son términos a menudo confundidos. Sin embargo, el aprendizaje profundo es un tipo específico de aprendizaje automático que emplea una de sus técnicas, las redes neuronales, para extraer complejos patrones en los datos. Es por ello que el aprendizaje profundo suele emplearse en tareas más complejas, como el reconocimiento de imágenes o procesamiento del lenguaje natural.
Por último, comentamos un par de artículos que muestran aplicaciones del Deep Learning en problemas biotecnológicos, como la síntesis de fármacos antimicrobianos o la proteómica estructural. El primero demuestra el potencial del Deep Learning para encontrar nuevos candidatos a péptidos antimicrobianos altamente efectivos, acelerando sensiblemente el proceso de producción. El segundo discute la capacidad del sistema AlphaFold2 para la predicción de la estructura tridimensional de proteínas con extrema precisión, facilitando, por ejemplo, el diseño de nuevas herramientas biotecnológicas o de terapéuticos altamente específicos.
¿A qué esperas para descubrir estas técnicas? ¡Acompáñanos en esta nueva entrega de Taza y Tesis!
La ETSIAAB no se hace responsable de las opiniones vertidas.
Para cualquier sugerencia, o si deseas participar en nuestro pódcast, puedes ponerte en o con nosotros a través de nuestro correo [email protected].