Machine Learning aplicado a la toma de decisiones empresariales

[pic 1]

Trabajo Colaborativo del Primer Parcial

Tema: Machine Learning aplicado a la toma de decisiones empresariales

Integrantes:  

                                       Fátima Ordoñez

                                       Rogger Castillo

                                       Camila Cedeño

                                          Jean Pierre

Materia: 

Business Intelligence

Profesor:

Ing. Félix Carrera

Paralelo:

“A”

Semestre:

                                              A-2022

Indice

Introduccion        3

Problemática        8

Justificación        10

Alcance        11

Objetivos        12

Objetivos generales        12

Objetivos específico        12

Marco Teórico        13

Business Intelligence        13

Inteligencia Artificial        13

Machine Learning        14

Mecanismos de Aprendizaje        14

Aprendizaje supervisado.        14

Aprendizaje no supervisado.        16

Aprendizaje reforzado.        17

Big data        17

Algoritmos        18

Algoritmos de machine learning.        19

Metodología        23

Caso Real        25

Conclusión        36

Referencias        37

Introduccion

En el transcurso de las últimas décadas las herramientas de análisis de datos han ido evolucionando y consigo ha incrementado la necesidad de contar con recursos informáticos que permitan analizar de manera efectiva los datos a gran escala con la finalidad de la implementación y digitalización de procesos en base al análisis previo mediante aprendizaje automático para una correcta toma de decisiones.

        Al hablar de aprendizaje automático o también conocido como machine learning nos referimos a las técnicas que son utilizadas con el fin de analizar y aprovechar al máximo todos los datos e información mediante el uso de algoritmos que permite el funcionamiento óptimo del sistema de trabajo con el objetivo de mejorar el análisis de datos para facilitar la predicción futura.

Por lo cual el machine learning se ha vuelto una pieza clave para el desarrollo a nivel global y para poder explicar más a fondo hay que remontarse a sus inicios ya que esta materia es una derivación de la inteligencia artificial. Por eso nos remontamos al pasado, exactamente al año 1943 en el que el matemático Walter Pitts y su amigo Warren McCulloch dieron a conocer su trabajo enfocado a lo que hoy se conoce como inteligencia artificial con su teoría en la que proponían analizar el cerebro como un organismo computacional.

Fue este momento el punto de inicio en el cual la humanidad comenzó a interesarse con el hecho de la capacidad de inteligencia que podría llegar a tener una máquina y cuáles serían sus implicaciones. En base a este interés en el año 1950 el reconocido científico Alan Mathison Turing creo el conocido “Test de Turing” con el propósito de medir la inteligencia de las computadoras por medio de respuestas dadas en una conversación de la manera más efectiva posible imitando así el comportamiento del ser humano, como la lógica y el razonamiento por medio de algoritmos (Hernández et al., s. f.).

Luego años más tarde en 1956 Martin Minsky y John McCarthy en medio de una conferencia científica en Darthmouth dieron el nombre “Artificial Inteligence”, término que sería el nombre de este campo de la ciencia e informática, de esta forma se abrió paso y antes de que termine la década Frank Rossenblatt diseño la primera red neuronal artificial (Rouse, s. f.). Con el paso del tiempo se tuvieron bajos y altos con respecto a la inteligencia artificial, en donde un factor importante fue la falta de capital debido a que esta rama de la ciencia tiene un costo elevado para su desarrollo y no existía un presupuesto representativo, pero en 1979 unos estudiantes de ingeniería de la universidad de Stanford lograron crear un robot “Stanford Car” capaz de desplazarse evadiendo obstáculos, este logro se dio gracias al algoritmo “Nearest Neighbor” capaz de reconocer patrones, la cual se volvió la herramienta principal de la inteligencia artificial que dio origen al machine learning en donde gracias al poder brindar a una computadora la capacidad de aprendizaje autónomo se pudo adelantar a soluciones efectivas.

Con este acontecimiento se dio paso a la revolución del procesamiento de datos en la década de los 80, debido a la creación de modelos expertos los cuales fueron muy bien recibidos por los sectores corporativos. Sin embargo, a comienzos del 2000 este campo carecía de recursos debido a que estaba enfocado a sectores empresariales que no generaban suficientes ganancias para su pleno desarrollo.

No obstante, fue solo hasta los inicios del 2006 cuando el machine learning inicio su ascenso a la cima del manejo y procesamiento de datos, con apoyo de grandes empresas como IBM y Microsoft que empezaron a expandirse a nivel global. Y al mismo tiempo se lanzaron varias herramientas de machine learning que permitieron revolucionar el mercado global y así se empezó a construir la reputación con la que cuenta actualmente la inteligencia artificial.

Sabiendo esto, no debería sorprender que la inteligencia artificial está transformando los negocios a nivel mundial, en donde el 97% de las empresas invierten en big data e inteligencia artificial por lo que está claro que es una oportunidad única para las compañías actuales poder obtener el mayor conocimiento de sus datos para mejorar la toma de decisiones e incrementar su nivel de rentabilidad. Además, como se ha podido comprobar esta herramienta tecnológica se ha asentado en cada vez más areas de negocio y sectores empresariales.

Por otra parte, dentro del aprendizaje automático siguen apareciendo nuevas disciplinas que están diseñadas para potenciar sus procesos como es el caso de las redes neuronales, debido a que representan niveles de abstracción por medio de capas, asemejándose al funcionamiento del cerebro humano. Estas redes se engloban bajo el nombre de Deep Learning o también conocido como aprendizaje profundo, el cual representa un acercamiento más profundo de los sistemas artificiales o un refinado aprendizaje que hace posible la anticipación de posibles problemas gracias a la extracción de patrones de comportamiento de los datos, por lo que es la rama del machine learning con más interés en la actualidad debido a su gran utilidad frente a problemas complejos.

En la actualidad el machine learning es importante en varios campos como la informática y empresarial donde su principal función es el manejo de grandes volúmenes de información que se generan día a día en estos campos. Sin embargo, también se ha podido observar otros campos de aplicación donde esta materia ha traído y puede ofrecer a futuro una gran utilidad, algunos sectores son: Educación, Medicina, Finanzas, Robótica, Mecánica, pero es tanta la innovación de esta herramienta que a muchos les preocupa los posibles daños que pueda traer, debido a que se trata de generar organismos capaces de aprender sin la necesidad de la intervención humana constante (Faggella, s. f.).

La alta demanda de productos personalizados y la alta competitividad mundial hacen que la digitalización de los procesos sea una necesidad para poder sobrevivir en los mercados, las compañías deben adoptar por soluciones tecnológicas e innovadoras en sus modelos de negocio, y supone un gran reto en todos los sectores. Además, debido al gran impacto social y económico originado en todo el mundo, se comienza a hablar de una cuarta revolución industrial la cual ha recibido el nombre de industria 4.0, centrándose en la obtención y aprovechamiento de los datos para facilitar la toma de decisiones y conseguir así una ventaja competitiva.

En base al entorno empresarial existe una demanda creciente de herramientas inteligentes que permitan aprovechar las diferentes técnicas del aprendizaje automático para poder optimizar la toma de decisiones. En donde la multinacional estadounidense de tecnología IBM, desarrolla algunas de estas herramientas para el manejo interno como para sus clientes. En ambos casos, el objetivo principal es la realización de un análisis de negocio y optimizar las decisiones operativas y estratégicas.

Hoy en día, el sistema empresarial de inteligencia artificial más utilizado es el IBM Watson, el cual se trata de un sistema computacional cognitivo que realiza diferentes tareas como son: observar, interpretar, evaluar y decidir en factor de la base de datos, en lugar de guiarse por las emociones como hacen los humanos. Por otro lado, el machine learning ha permitido la creación de agentes que puedan aprender estrategias de negociación, de tal forma que puedan brindar un soporte en las negociaciones o incluso posibilitar la automatización completa, en donde la efectividad dentro de los diferentes mecanismos automáticos de negociación va a depender directamente de las características del problema a analizar, por lo que no existe un mecanismo único que funcione bien para todos los casos (Smithright, s. f.).

...