glosario

Enfoque de ML donde el modelo se entrena en múltiples dispositivos descentralizados sin que los datos salgan de ellos, mejorando […]

Capa entre entrada y salida donde ocurre la mayor parte del aprendizaje de características.

Tipo de ML con datos no etiquetados. El algoritmo busca patrones por sí mismo, como agrupar clientes con comportamientos similares

Método en el que un agente aprende mediante prueba y error, recibiendo recompensas y castigos, con el objetivo de maximizar

Subcampo del ML que usa redes neuronales profundas para reconocer patrones complejos en imágenes, audio y texto; base de los

El algoritmo se entrena con datos etiquetados por humanos (p. ej., imágenes marcadas como “gato”) para aprender a reconocerlos.

Modelo supervisado con estructura de árbol; cada rama es una condición y las hojas representan resultados.

Diseño de la red neuronal: número de capas, neuronas por capa y conexiones. La arquitectura condiciona capacidad y rendimiento.

Mecanismo clave en Transformers que pondera la importancia de distintas partes de la entrada, “enfocándose” en lo relevante.

Una entidad autónoma que percibe su entorno a través de sensores y actúa sobre él mediante actuadores para alcanzar sus