Series temporales: mayor alcance
El aprendizaje automático se ocupa de varios tipos de problemas. De hecho, casi todos los campos tienen posibilidades de automatizarse o mejorarse con la ayuda del aprendizaje automático. A continuación se indican algunos de estos problemas en los que se está trabajando mucho.
Datos de series de tiempo
Estos son los datos que cambian según el tiempo y, por lo tanto, el tiempo juega un papel crucial en ellos, lo que discutimos ampliamente en este tutorial.
Datos que no son de series temporales
Son los datos independientes del tiempo, y un porcentaje importante de los problemas de AA se encuentran en datos de series no temporales. Para simplificar, lo categorizaremos además como:
Numerical Data - Las computadoras, a diferencia de los humanos, solo entienden números, por lo que todo tipo de datos finalmente se convierten en datos numéricos para el aprendizaje automático, por ejemplo, los datos de imágenes se convierten en valores (r, b, g), los caracteres se convierten en códigos o palabras ASCII están indexados a números, los datos de voz se convierten en archivos mfcc que contienen datos numéricos.
Image Data - La visión por computadora ha revolucionado el mundo de las computadoras, tiene varias aplicaciones en el campo de la medicina, imágenes satelitales, etc.
Text Data- El procesamiento del lenguaje natural (PNL) se utiliza para la clasificación de textos, la detección de paráfrasis y el resumen de idiomas. Esto es lo que hace que Google y Facebook sean inteligentes.
Speech Data- El procesamiento del habla implica el reconocimiento de voz y la comprensión de sentimientos. Desempeña un papel crucial en la impartición de las cualidades humanas a las computadoras.