Sporathe knowledge network
ES
Pontificia Universidad Javeriana

Maestría en Matemáticas · 2022

The learning problem, classification case

Record only. The repository marks this work as “De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.”: the PDF is not public, so there is no text to read here. View the record in the repository.

Abstract

“Machine learning” o aprendizaje automático se refiere a un conjunto de algoritmos destinados a hacer las predicciones más precisas posibles de una variable de salida basada en los valores de algunas variables de entrada. Cuando la variable de salida es categórica, el proceso de generación de una predicción se llama clasificación. Problemas de este tipo ocurren muy a menudo en la práctica (por ejemplo: predecir el género de una persona, si un cliente de un banco va a incumplir su hipoteca, o si el precio de una acción en particular va a subir o bajar). Un problema importante en la clasificación es el reconocimiento de imágenes. Por ejemplo, hay reconocimiento facial en las redes sociales, apoyo diagnóstico en imágenes médicas o descubrimiento de productos (encontrar un producto similar usando una imagen de referencia). Presentamos y resolvimos el problema de aprendizaje en clasificación desde una perspectiva teórica y práctica. Primero, explicamos lo que entendemos por “aprender” para un algoritmo. Introducimos la notación matemática de las difer entes partes del problema de aprendizaje en clasificación, y demostramos matemáticamente que el aprendizaje es factible bajo nuestra definición de “capacidad de aprendizaje”. A continuación, nos concentramos en un método de aprendizaje llamado red neuronal artificial. Este método es una forma muy flexible de modelar fenómenos altamente no lineales. Introdujimos la notación matemática, y demostramos las diferentes ecuaciones que rigen su funcionamiento (el algoritmo de backpropagation en particular). Luego, mostramos cómo podemos implementar el método de red neuronal en el paquete de software R. Por último, presentamos las actuaciones del programa en un famoso conjunto de datos de prueba, a saber, la base de datos MNIST, y comparamos nuestros resultados con los mencionados en el sitio web de Lecun, que estudió ampliamente esta base de datos.

Keywords