{"id":2076,"date":"2019-03-20T00:45:29","date_gmt":"2019-03-20T03:45:29","guid":{"rendered":"https:\/\/www.grid.cl\/blog\/?p=2076"},"modified":"2019-03-20T00:45:29","modified_gmt":"2019-03-20T03:45:29","slug":"el-machine-learning-y-su-importancia-en-el-marketing-digital","status":"publish","type":"post","link":"https:\/\/www.grid.cl\/blog\/el-machine-learning-y-su-importancia-en-el-marketing-digital\/","title":{"rendered":"El machine learning y su importancia en el marketing digital"},"content":{"rendered":"

Naci\u00f3 del reconocimiento de patrones<\/strong> y de la teor\u00eda que dice que las computadoras pueden aprender sin ser programadas<\/strong> para realizar tareas espec\u00edficas<\/strong>; investigadores interesados en la inteligencia artificial<\/strong> deseaban saber si las computadoras pod\u00edan aprender de datos.<\/strong><\/p>\n

El aspecto reiterado<\/strong> del machine learning<\/strong> es importante porque a medida que los modelos son expuestos a nuevos datos<\/strong>, \u00e9stos pueden adaptarse de forma independiente<\/strong>. Aprenden de c\u00e1lculos previos para producir decisiones y resultados confiables<\/strong> y repetibles. Es una ciencia que no es nueva pero que ha cobrado un nuevo impulso. <\/strong>Esta tecnolog\u00eda permite automatizar una gran cantidad de operaciones<\/strong> y reducir la necesidad de intervenci\u00f3n<\/strong> humana al m\u00ednimo posible, algo muy ventajoso<\/strong> cuando se trata de manejar miles o cientos de miles<\/strong> de datos de forma efectiva<\/strong>.<\/p>\n

\u00bfQu\u00e9 es el machine learning?<\/strong><\/h1>\n

Machine learning<\/strong> es una disciplina cient\u00edfica del \u00e1mbito de la inteligencia artificial<\/strong> que crea sistemas que aprenden autom\u00e1ticamente<\/strong>. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos<\/strong>.<\/p>\n

La m\u00e1quina que realmente<\/strong> aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros<\/strong>. Autom\u00e1ticamente<\/strong>, tambi\u00e9n en este contexto, implica que estos sistemas se mejoran de forma aut\u00f3noma con el tiempo<\/strong>, sin intervenci\u00f3n humana<\/strong>.<\/p>\n

\u00bfPor qu\u00e9 es tan importante el machine learning?<\/strong><\/h1>\n

El reto de sacar partido de los datos se ha simplificado enormemente. El machine learning<\/strong> de hoy no es como antes. Esto quiere decir que con datos de calidad, tecnolog\u00edas adecuadas y an\u00e1lisis propicios<\/strong> es posible actualmente crear modelos<\/strong> de comportamiento para analizar datos de gran volumen y complejidad<\/strong>. Adem\u00e1s, los sistemas proporcionan resultados<\/strong> r\u00e1pidos y precisos sin intervenci\u00f3n humana<\/strong>, incluso a gran escala. El resultado predicciones de alto valor<\/strong> para tomar mejores decisiones y desarrollar mejores acciones de negocio<\/strong>.<\/p>\n

\u00bfQu\u00e9 se requiere para crear buenos sistemas de machine learning?<\/strong><\/h1>\n
    \n
  • Recursos de preparaci\u00f3n de datos<\/strong>.<\/li>\n
  • Algoritmos b\u00e1sicos y avanzados<\/strong>.<\/li>\n
  • Automatizaci\u00f3n y procesos iterativos<\/strong>.<\/li>\n
  • Modelado en conjunto<\/strong>.<\/li>\n<\/ul>\n

    Tipos de machine learning<\/strong><\/h1>\n

    Supervised learning<\/strong><\/h3>\n

    Depende de datos previamente etiquetados<\/strong>, como podr\u00eda ser el que una computadora logr\u00e9 distinguir im\u00e1genes de coches<\/strong>, de las de aviones. Para esto, lo normal es que estas etiquetas o letreros<\/strong> sean colocadas por seres humanos para asegurar la efectividad<\/strong> y calidad de los datos<\/strong>.<\/p>\n

    La idea es que las computadoras aprendan de una multitud de ejemplos<\/strong> y a partir de ah\u00ed puedan hacer el resto de c\u00e1lculos<\/strong> necesarios para que nosotros no tengamos que volver a ingresar ninguna informaci\u00f3n.<\/strong><\/p>\n

    Unsupervised learning<\/strong><\/h3>\n

    En esta categor\u00eda lo que sucede es que al algoritmo se le despoja<\/strong> de cualquier etiqueta<\/strong>, de modo que no cuenta con ninguna indicaci\u00f3n previa. En cambio, se le provee de una enorme cantidad<\/strong> de datos con las caracter\u00edsticas propias de un objeto<\/strong> para que pueda determinar qu\u00e9 es, a partir de la informaci\u00f3n recopilada.<\/strong><\/p>\n

    Reinforcement learning<\/strong><\/h3>\n

    La m\u00e1quina es capaz de aprender con base a pruebas y errores<\/strong> en un n\u00famero de diversas situaciones<\/strong>. Aunque conoce los resultados desde el principio<\/strong>, no sabe cu\u00e1les son las mejores decisiones para llegar a obtenerlos.<\/strong> Lo que sucede es que el algoritmo progresivamente<\/strong> va asociando los patrones de \u00e9xito<\/strong>, para repetirlos una y otra vez hasta perfeccionarlos y volverse infalible.<\/strong><\/p>\n

    \u00c1mbitos de aplicaci\u00f3n del machine learning<\/strong><\/h1>\n

    \"\"<\/p>\n

    La mayor\u00eda de las industrias<\/strong> que trabajan con grandes cantidades de datos han reconocido el valor de la tecnolog\u00eda del machine<\/strong> learning<\/strong>. Obteniendo insights<\/strong> de estos datos a menudo en tiempo real. Las organizaciones pueden trabajar de manera m\u00e1s eficiente<\/strong> o lograr una ventaja sobre sus competidores.<\/strong><\/p>\n

    El campo de aplicaci\u00f3n pr\u00e1ctica<\/strong> depende de la imaginaci\u00f3n y de los datos que est\u00e9n disponibles en la empresa<\/strong>:<\/p>\n

      \n
    • Detectar fraude<\/strong> en transacciones.<\/li>\n
    • Predecir de fallos<\/strong> en equipos tecnol\u00f3gicos.<\/li>\n
    • Prever qu\u00e9 empleados ser\u00e1n m\u00e1s rentables<\/strong> el a\u00f1o que viene. El sector de los recursos humanos est\u00e1 apostando seriamente por el machine learning<\/strong>.<\/li>\n
    • Seleccionar clientes potenciales<\/strong> bas\u00e1ndose en comportamientos en las redes sociales, interacciones en la web.<\/strong><\/li>\n
    • Predecir el tr\u00e1fico urbano<\/strong>.<\/li>\n
    • Saber cu\u00e1l es el mejor momento para publicar tuits<\/strong>, actualizaciones de Facebook o enviar las newsletter<\/strong>.<\/li>\n
    • Hacer pre diagn\u00f3sticos m\u00e9dicos<\/strong> basados en s\u00edntomas del paciente.<\/li>\n
    • Cambiar el comportamiento de una app m\u00f3vil<\/strong> para adaptarse a las costumbres y necesidades<\/strong> de cada usuario.<\/li>\n
    • Detectar intrusiones en una red de comunicaciones de datos.<\/strong><\/li>\n
    • Decidir cu\u00e1l es la mejor hora para llamar a un cliente<\/strong>.<\/li>\n<\/ul>\n

      Plataformas que apostaron por el uso de machine learning<\/strong><\/h1>\n
        \n
      • \n

        Facebook<\/strong><\/h3>\n<\/li>\n<\/ul>\n

        Facebook emplea su algoritmo de reconocimiento facial<\/strong> para ahorrarte trabajo a la hora de etiquetar a tus amigos<\/strong> en las fotograf\u00edas. Se trata de un algoritmo que memoriza ciertos patrones<\/strong> que definen los rostros de aquellas personas<\/strong> que has etiquetado anteriormente e identificarlas autom\u00e1ticamente despu\u00e9s<\/strong>.<\/p>\n

          \n
        • \n

          Pinterest<\/strong><\/h3>\n<\/li>\n<\/ul>\n

          Pinterest<\/strong> tambi\u00e9n utiliza el machine learning<\/strong> para potenciar el engagement con los usuarios<\/strong>. La plataforma tambi\u00e9n emplea un algoritmo que aprende de la actividad de los usuarios<\/strong>. As\u00ed, consigue plasmar los contenidos favoritos<\/strong> de cada uno en funci\u00f3n de sus intereses, gustos y h\u00e1bitos.<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

          Naci\u00f3 del reconocimiento de patrones y de la teor\u00eda que dice que las computadoras pueden aprender sin ser programadas para realizar tareas espec\u00edficas; investigadores interesados en la inteligencia artificial deseaban saber si las computadoras pod\u00edan aprender de datos. El aspecto reiterado del machine learning es importante porque a medida que los modelos son expuestos a […]<\/p>\n","protected":false},"author":2,"featured_media":2077,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-2076","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-marketing-digital"],"_links":{"self":[{"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/posts\/2076","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/comments?post=2076"}],"version-history":[{"count":2,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/posts\/2076\/revisions"}],"predecessor-version":[{"id":2081,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/posts\/2076\/revisions\/2081"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/media\/2077"}],"wp:attachment":[{"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/media?parent=2076"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/categories?post=2076"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.grid.cl\/blog\/wp-json\/wp\/v2\/tags?post=2076"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}