Machine Learning en la salud

More like this

el paradigma simbolico

by andrea gonzalez

G SUITE

by DAVID CALDERON

Herramientas Case

by Odette Olds

Las diferencias y ventajas entre software libre y de código cerrado

by Meilín Méndez

Glenn Nicolas Rico Linares

Machine Learning en la salud

Ventajas

Crea modelos predictivos que, además de solucionar y minimizar problemas, trabaja por sí solo para hacer frente a desafíos futuros del sector salud.

Algoritmos

Son el alma que mueven los procesos de aprendizaje y se dividen en

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.

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 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.

Aplicaciones

https://noa.aon.es/machine-learning-aplicaciones-salud/#:~:text=Se%20trata%20de%20un%20proceso,evoluci%C3%B3n%20de%20una%20posible%20epidemia.

Objetivos

Los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana

Que es

Es el procesamiento y análisis de datos