01 Qué es el Machine Learning

Objetivos. Definir el Machine Learning y delimitarlo frente a la Inteligencia Artificial y el Deep Learning; distinguir los tres tipos de aprendizaje; clasificar un problema real en la categoría que le corresponde; y —lo más importante— reconocer cuándo no conviene usar Machine Learning.

1. Una definición operativa

La definición clásica es la de Tom Mitchell (1997), y sigue siendo la más útil porque es verificable:

Se dice que un programa aprende de la experiencia $E$ respecto a una tarea $T$ y una medida de desempeño $P$, si su desempeño en $T$, medido por $P$, mejora con la experiencia $E$.

Lo valioso de esta definición es que obliga a nombrar las tres piezas. Si no puedes decir cuáles son $T$, $P$ y $E$ en tu problema, todavía no tienes un problema de Machine Learning.

El contraste con la programación tradicional

La diferencia esencial no es de tecnología, es de dirección:

Detectar correo no deseado con reglas escritas a mano exige enumerar todas las formas de escribir un mensaje sospechoso, y actualizarlas cada vez que alguien inventa una nueva. Con Machine Learning se le muestran al algoritmo miles de correos etiquetados y él infiere el patrón. Esa es la razón de ser de todo el campo: hay problemas cuyas reglas nadie sabe escribir, pero de los que sí tenemos ejemplos.

Los tres componentes de todo sistema de ML

• Datos. La materia prima. Ningún algoritmo compensa datos que no contienen la información necesaria.
• Algoritmo. El procedimiento que busca patrones en esos datos.
• Modelo. El resultado: una función, con parámetros ya ajustados, capaz de predecir.

Conviene no confundir algoritmo y modelo. La regresión lineal es un algoritmo; la ecuación $\hat{y} = -0.15 + 0.62 x_1 + 0.055 x_2$, con esos números concretos, es un modelo.

2. IA, ML y Deep Learning

Los tres términos se usan como sinónimos en la prensa, y no lo son. La relación es de contenencia:

• Inteligencia Artificial (IA). El campo amplio: cualquier técnica que permita a una máquina realizar tareas que asociamos con la inteligencia humana. Incluye cosas que no aprenden de datos, como los sistemas expertos basados en reglas o los algoritmos de búsqueda y planificación.
• Machine Learning (ML). El subconjunto de la IA en el que el comportamiento se aprende de datos en lugar de programarse.
• Deep Learning (DL). El subconjunto del ML que usa redes neuronales profundas: con muchas capas, capaces de aprender por sí mismas la representación adecuada de los datos.

¿Cuándo deep learning y cuándo no?

Esta distinción es práctica, no académica, y conviene tenerla clara desde el primer día:

En datos tabulares —el caso más frecuente en la industria y en este curso— el deep learning no suele ser la mejor opción: los métodos de boosting (sesión 11) le ganan con menos datos, menos cómputo y más facilidad de interpretación. Es un resultado consistentemente reportado en la literatura y lo comprobaremos empíricamente en la sesión 13.

3. Tipos de aprendizaje

3.1 Aprendizaje supervisado

Se dispone de datos etiquetados: para cada observación se conoce la respuesta correcta. El objetivo es aprender una función $f$ tal que $\hat{y} = f(\mathbf{x})$ generalice a casos nuevos.

Se divide según el tipo de respuesta:

• Regresión — la respuesta es un número continuo. Ejemplos: nota final de un estudiante, precio de una vivienda, consumo eléctrico de mañana.
• Clasificación — la respuesta es una categoría. Ejemplos: aprueba o no aprueba (binaria), tipo de falla de una máquina (multiclase).

Es el tipo de aprendizaje más común y el que ocupa la mayor parte del curso: módulos 3 y 4.

3.2 Aprendizaje no supervisado

No hay etiquetas. El algoritmo busca estructura en los datos por sí mismo.

• Agrupamiento (clustering) — encontrar grupos de observaciones parecidas. Ejemplo: segmentar estudiantes por perfil de rendimiento.
• Reducción de dimensionalidad — describir los datos con menos variables sin perder lo esencial. Ejemplo: resumir 50 indicadores académicos en 3 componentes.
• Detección de anomalías — identificar observaciones que no se parecen a las demás.

Lo estudiamos en la sesión 12. Su dificultad característica es que no hay una respuesta correcta contra la cual comparar: evaluar un agrupamiento es mucho más ambiguo que evaluar una predicción.

3.3 Aprendizaje por refuerzo

Un agente aprende a tomar decisiones interactuando con un entorno, guiado por recompensas y castigos. No hay respuestas correctas dadas de antemano: hay consecuencias.

Ejemplos: control de robots, juego automático, optimización de políticas de inventario.

Este curso no cubre aprendizaje por refuerzo. Se menciona para completar el mapa.

Resumen

4. Cómo encuadrar un problema real

Ante un problema nuevo, cuatro preguntas en orden:

1. ¿Qué decisión va a cambiar este modelo? Si la respuesta es “ninguna”, el proyecto no debería existir. Un modelo que nadie usa es un costo, no un activo.
2. ¿Qué se quiere predecir exactamente? Definir la variable objetivo con precisión. “Riesgo de deserción” no es una variable; “no se matricula en el semestre siguiente” sí.
3. ¿Qué información estará disponible en el momento de predecir? Esta pregunta previene la fuga de datos: si una variable solo se conoce después del hecho a predecir, no puede usarse, por mucho que mejore las métricas.
4. ¿Contra qué se compara el éxito? Siempre hay una referencia: la regla que se usa hoy, el criterio de un experto, o al menos predecir siempre el valor promedio.

Ejemplo de encuadre

5. Cuándo NO usar Machine Learning

Tan importante como saber aplicarlo:

• Cuando una regla simple basta. Si un umbral resuelve el 95 % de los casos, un modelo añade complejidad, mantenimiento y riesgo sin aportar nada.
• Cuando no hay datos suficientes o representativos. Con 40 observaciones no se aprende gran cosa. Y si los datos históricos reflejan un sesgo, el modelo lo reproducirá y lo amplificará.
• Cuando se exige una explicación jurídica o clínica completa y no se acepta un modelo aproximado.
• Cuando el costo de un error es inasumible y no hay supervisión humana en el circuito.
• Cuando el problema es en realidad de causalidad. El ML predice correlaciones, no responde “¿qué pasaría si intervenimos?”. Para eso hacen falta diseño experimental o inferencia causal.

Una advertencia que vale para todo el curso. Un modelo aprende de datos históricos, y los datos históricos registran cómo se ha decidido hasta ahora, con todos sus sesgos. Si el sistema histórico discriminaba, el modelo aprenderá a discriminar con eficiencia. La responsabilidad de detectarlo es de quien modela, no del algoritmo.

6. El ecosistema de Python

La razón por la que scikit-learn domina el ML clásico es su interfaz uniforme: todo modelo se crea, se ajusta con .fit(X, y) y predice con .predict(X). Cambiar de algoritmo cuesta una línea, lo que hace barato comparar alternativas — y comparar es, en la práctica, la mayor parte del trabajo.

Para recordar

• El ML aprende reglas a partir de ejemplos, en lugar de recibirlas escritas.
• Definir $T$, $P$ y $E$ antes de programar nada.
• DL ⊂ ML ⊂ IA. En datos tabulares, el ML clásico suele ser la mejor opción.
• Tres tipos de aprendizaje: supervisado (la mayor parte del curso), no supervisado y por refuerzo.
• Encuadrar bien el problema importa más que elegir el algoritmo.
• Saber cuándo no usar ML es parte del criterio profesional.

Notebooks relacionados

• ../notebooks/01-primer-modelo-aplicado.ipynb — el flujo completo de un problema supervisado de regresión.