Hola Camilo,
Gracias por los datos.
Ojalá alguien lo pueda hacer.
Machine Learning es la clave para muchas cosas hoy en día. Por ejemplo
para tratar de resolver el problema del susurro (chuchoter) en los
cocteles y de como a pesar de todo el ruido, la escucha es capaz de
enfocarse en una sola fuente sonora.
Machine Learning en este caso se aplica para entrenar una red neuronal o
una red de Bayes sobre que fuentes sonoras con ruido y, cuál puede ser
la valida. Este tipo de esquemas lo aplican desde hace rato en
reconocimiento de voz y reconocimiento de patrones.
En Machine Learning también se puede utilizar simple probabilidad y
estadística pero se necesitan bases de álgebra lineal, ecuaciones
diferenciales y algo teoría de señales.
Lo importante en este tema es lo del reconocimiento de patrones, punto
clave en HCI y en sistemas interactivos. Por ejemplo poder predecir el
comportamiento de un sensor uni-dimensional o bi-dimensional y que hacer
con toda esa data. Si no estoy mal, es el caso del giroscopio produce
data con mas de una variable. Si se voltea hacia la derecha, el patrón
que reconoce proyecta una imagen que está a la derecha del vidente. Si
se voltea a la izquierda, otra imagen a la izquierda. Pero en el centro
o, la estereoscopía de las dos imágenes en los extremos o, quizá un
horizonte. Quién puede predecir la actitud del vidente?. Machine
Learning sirve para modelar y crear estas situaciones.
Saludos,
--* Juan
On 08/16/11 10:45, Camilo Martinez wrote:
Saludos
Encontre este link por hai y me parecio interesante para circularlo por la
lista. Un curso en aprendizaje computacional ( machine learning ) abierto
ofrecido por stanford
"A bold experiment in distributed education, "Machine Learning" will be
offered free and online to students worldwide during the fall of 2011.
Students will have access to lecture videos, lecture notes, receive regular
feedback on progress, and receive answers to questions. When you
successfully complete the class, you will also receive a statement of
accomplishment. Taught by Professor Andrew Ng, the curriculum draws from
Stanford's popular Machine Learning course. A syllabus and more information
is available here<http://cs229.stanford.edu/>. Sign up below to receive
additional information about participating in the online version when it
becomes available."
http://www.ml-class.org/
saludos
Camilo Martinez
http://martinez-zea.info
http://decolector.net
_______________________________________________
____ ____ ___ ____ _ _ ___
|__| |__/ / |___ \/ |__]
| | | \ /__ |___ _/\_ |
Arzexp mailing list
[email protected]
http://lists.slow.tk/listinfo.cgi/arzexp-slow.tk
_______________________________________________
____ ____ ___ ____ _ _ ___
|__| |__/ / |___ \/ |__]
| | | \ /__ |___ _/\_ |
Arzexp mailing list
[email protected]
http://lists.slow.tk/listinfo.cgi/arzexp-slow.tk
