Capacidad de una máquina para imitar funciones humanas como el aprendizaje, razonamiento y toma de decisiones.
Rama de la IA que permite que los sistemas aprendan de los datos.
Se entrena con datos etiquetados para predecir resultados.
Encuentra patrones en datos no etiquetados.
El sistema aprende mediante recompensas o penalizaciones.
Interpreta y genera lenguaje humano. Ejemplo: análisis de sentimientos.
Reconoce objetos, texto o rostros en imágenes y videos.
Plataforma para crear y desplegar modelos ML personalizados.
APIs listas para usar en visión, lenguaje, voz y decisiones.
Crear chatbots con comprensión de lenguaje natural.
El modelo memoriza datos de entrenamiento y no generaliza.
El modelo no aprende lo suficiente y tiene bajo rendimiento.
Datos para entrenar el modelo.
Datos para ajustar parámetros durante el entrenamiento.
Datos para evaluar el rendimiento final.
Evitar sesgos o discriminación en las decisiones automatizadas.
Poder explicar cómo y por qué el modelo toma decisiones.
Cumplir con normas como GDPR y proteger datos personales.
Detecta sentimientos, temas clave, idioma, entidades.
Convierte voz hablada en texto.
Traduce texto entre idiomas.
Entrena modelos de visión personalizados.
Detecta rostros y emociones en imágenes.