Machine Learning
en la salud
Que es
Es el procesamiento y análisis de datos
Objetivos
Los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana
Aplicaciones
Algoritmos
Son el alma que mueven
los procesos de aprendizaje
y se dividen en
Machine learning supervisado
Básico y estricto, suele emplearse para predecir datos no vistos o futuros, lo que se conoce como modelo predictivo. Estos algoritmos disponen de un aprendizaje previo basado en un sistema de etiquetas asociadas a unos datos, que son los ayudan a tomar decisiones o hacer predicciones.
Machine learning no supervisado
En este caso el algoritmo tiene que encontrar una estructura por sí mismo, ya que no se otorgan etiquetas al algoritmo ni cuentan con un conocimiento previo.
Machine learning por refuerzo
Un programa informático interacciona con un entorno dinámico en el que debe alcanzar un objetivo determinado. Su objetivo es que un algoritmo aprenda a partir de la propia experiencia.
Ventajas
Crea modelos predictivos que, además de solucionar y minimizar problemas, trabaja por sí solo para hacer frente a desafíos futuros del sector salud.