Aprendizaje Automático es una asignatura obligatoria de la Especialidad en Computación de Ingeniería Informática. Se imparte en el 6º semestre de la titulación.
El aprendizaje es la programación de ordenadores con el objetivo de optimizar un cierto criterio, utilizando ejemplos o experiencia previa. Es útil en casos en los cuales no podemos escribir directamente un programa que resuelva un problema particular, cuando la experiencia humana en el problema no existe o los humanos son incapaces de plasmar esa experiencia.
El objetivo de construir sistemas que puedan adaptarse a sus entornos y aprender de su experiencia ha atraído investigadores de muchos campos: la informática, otras ingenierías, las matemáticas, la física, la neurociencia, y la ciencia cognoscitiva. De estas investigaciones han salido una amplia variedad de técnicas de aprendizaje que están transformando muchos campos industriales y científicos. El incremento exponencial en la capacidad de cálculo de los ordenadores y el costo y disponibilidad de memoria ha hecho factible la aplicación de los algoritmos de aprendizaje a problemas que hace diez años eran inabordables.
En la actualidad las técnicas de aprendizaje se clasifican de la siguiente manera: aprendizaje supervisado, en el que se provee al sistema con ejemplos de datos de entrada y su solución, se trata de un problema de clasificación si la solución pertenece a un conjunto de categorías discretas, o de regresión si se trata de una o más variables continuas; aprendizaje no supervisado, cuando el conjunto de datos de entrenamiento no incluye la solución, con lo que el propósito del sistema está en descubrir grupos de ejemplos similares en los datos, lo que se llama agrupamiento, o clustering, o estimar la distribución de los datos en el espacio de entrada, lo que se conoce como estimación de la densidad; aprendizaje por refuerzo, problemas en los que se trata de encontrar acciones adecuadas a llevar a cabo dada una situación, con el objetivo de maximizar una recompensa; en estos casos al algoritmo no se le dan ejemplos, sino que por el contrario debe descubrirlos a través de un proceso de prueba y error.
En la actualidad existen muchas aplicaciones de las técnicas de aprendizaje en muchos dominios. Existen sistemas comerciales para el reconocimiento del habla y de la escritura, para aprender el comportamiento de los compradores utilizando información de ventas pasadas, para analizar transacciones comerciales y predecir el riesgo de crédito de las personas, para detectar spam en el correo electrónico, para agrupar noticias con información relacionada, como el sistema Google News. Los robots aprenden a optimizar su comportamiento para llevar a cabo tareas minimizando la utilización de recursos. Estas aplicaciones se están desarrollando a un ritmo frenético, y se vislumbra la posibilidad de abordar problemas cada vez más complejos en una cantidad creciente de campos del saber.
