WolframAprendizaje automáticoUna parte fundamental de
Wolfram Language

Aprendizaje automático y redes neuronales.

Desde el aprendizaje automático clásicos de nivel de producción hasta inteligencia artificial moderna, con integración avanzada que incluye análisis estadístico, visualización, procesamiento de imágenes y más para crear sistemas inteligentes.

Comenzar

Clasificación

Use clasificadores preentrenados de forma inmediata o cree sus propios clasificadores para clasificar todo tipo de datos, incluyendo texto, imágenes, arreglos, audio y video, en un número finito de categorías. Los ejemplos incluyen identificar hojas de plantas, canto de aves o acciones humanas. Los métodos disponibles comprenden desde regresión logística, bosques aleatorios y máquinas de vectores de soporte hasta redes neuronales..

Regresión

Proyecte precios, efectos de tratamientos o rendimientos agrícolas: use análisis de regresión para predecir un valor de un conjunto de variables, incluyendo números, arreglos, imágenes y texto. Use la potente extracción de características de cualquier tipo de datos y permita que la automatización seleccione el mejor modelo y parámetros, o personalize con control total.

Análisis de clústeres

Agrupe distintos objetos según su similitud, sin previo conocimiento, mediante clasificación no supervisada. Puede usar análisis de clústeres para categorizar tipos de clientes, taxonomías de animales y muchos grupos más. Los métodos compatibles incluyen k-medias, análisis de clústeres espectral y jerárquico, entre otros.

Guía para análisis de clústeres

Reducción de dimensionalidad

Represente cualquier tipo de datos en un espacio de menor dimensión para visualizar conjuntos de datos complejos con numerosas características (incluyendo características no numéricas) y realice compresión de datos, o incluso selección de características no supervisada. Puede modelar estructuras lineales y no lineales mediante una variedad de métodos, como componentes principales, mapeo isométrico, T-SNE y UMAP.

La función DimensionReduce

Detección de anomalías

Detecte valores extremos, novedosos o inusuales. Marque anomalías directamente en un conjunto de datos, cree un detector de anomalías reutilizable o inicie desde una distribución creada a partir de cualquier tipo de datos. Las aplicaciones comprenden desde detección de fallas hasta monitoreo de rendimiento, evaluación de calidad, detección de novedades y más.

La función AnomalyDetection

Imputación de datos faltantes

Complete los valores faltantes en su conjunto de datos mediante generación sintética de datos. Los datos faltantes debido a fallas de equipo, archivos dañados o imputación incompleta de datos pueden introducir sesgo considerable en el entrenamiento de modelos, e incluso volverlo imposible. Impute valores faltantes automáticamente o mediante una distribución determinada.

La función SynthesizeMissingValues

Redes neuronales

¿La selva tropical es saludable? ¿Hay un tumor en esta tomografía? ¿Cómo se dice "gato" en francés? Use redes neuronales para responder estas preguntas que antes eran difíciles mediante un marco sencillo pero flexible. Importe modelos preentrenados, adapte modelos a nuevos problemas reentrenándolos o entrene una red desde cero.

Procesamiento de lenguaje natural

Encuentre la respuesta a una pregunta en un fragmento de texto, etiquete cada mención de un concepto específico o analice la estructura sintáctica de una oración. El procesamiento de lenguaje natural es un ingrediente clave en campos como la minería de datos, la investigación de mercado y el soporte al cliente.

Visión artificial

Encuentre y reconozca de forma precisa y eficiente objetos, texto, rostros y más en imágenes, o realice segmentación y estilización avanzadas y mucho más mediante aprendizaje automático y modelos de redes neuronales. Las soluciones se usan en todo, desde sistemas de asistencia para conductores hasta control de calidad automatizado, seguridad, aplicaciones médicas y más.

Computación de voz

Analice y procese señales de voz para detectar intervalos de voz, realizar reconocimiento de voz, identificar oradores o incluso cambiar el tono de un orador. Use aprendizaje automático junto con procesamiento de audio, análisis estadístico y visualización para permitir una computación de voz fácil y altamente eficiente.

Guía para computación de voz

Live Playground

This is an interactive notebook—try making your own changes!

Continue exploring more examples:Things to Try

Documentación de Wolfram Aprendizaje automático

Wolfram Aprendizaje automático es una parte integrada de Wolfram Language. El sistema completo contiene más de 6000 funciones incorporadas que abarcan todas las áreas de la computación, todas cuidadosamente integradas de manera que trabajen perfectamente en conjunto.

Alcance completo y documentación de
Wolfram Language

Guide

Guía para aprendizaje automático

Guide

Guía para redes neuronales

Resumen

Notas técnicas de redes neuronales

LogitModelFit ▪ ProbitModelFit ▪ LinearModelFit ▪ GeneralizedLinearModelFit ▪ NonlinearModelFit ▪ FittedModel ▪ Normal ▪ NominalVariables ▪ LinkFunction ▪ LinearOffsetFunction ▪ ConfidenceLevel ▪ VarianceEstimatorFunction ▪ DispersionEstimatorFunction ▪ DesignMatrix ▪ FindFormula ▪ FindDistribution ▪ ClusteringComponents ▪ ClusterClassify ▪ ClusteringMeasurements ▪ MeanShift ▪ NearestNeighborGraph ▪ Dendrogram ▪ ClusteringTree ▪ FindGraphCommunities ▪ CommunityGraphPlot ▪ ConnectedComponents ▪ FindGraphPartition ▪ FindClique ▪ FindKClique ▪ ImageForestingComponents ▪ WatershedComponents ▪ GrowCutComponents ▪ DistanceFunction ▪ ClusterDissimilarityFunction ▪ Weights ▪ PerformanceGoal ▪ CriterionFunction ▪ Method ▪ NetChain ▪ NetMeasurements ▪ NetPort ▪ NetPortGradient ▪ NetStateObject ▪ NetTrainResultsObject ▪ ThreadingLayer ▪ AggregationLayer ▪ SoftmaxLayer ▪ NetReplacePart ▪ NetInitialize ▪ NetTake ▪ NetAppend ▪ NetReplace ▪ NetFlatten ▪ NetEncoder ▪ NetDecoder ▪ LLMResourceFunction ▪ Predict ▪ Classify ▪ ActivePrediction ▪ SequencePredict ▪ Nearest ▪ FindFit ▪ FindClusters ▪ FeatureExtraction ▪ FeatureSpacePlot ▪ FeatureImpactPlot ▪ AnomalyDetection ▪ DimensionReduction ▪ MissingValueSynthesis ▪ LLMFunction ▪ LLMSynthesize ▪ ImageSynthesize ▪ ChatObject ▪ LLMPrompt ▪ LLMTool ▪ LLMConfiguration ▪ NetModel ▪ NetTrain ▪ NetGraph ▪ LinearLayer ▪ ConvolutionLayer ▪ AttentionLayer ▪ ImageIdentify ▪ ImageCases ▪ FindFaces ▪ TextRecognize ▪ ImageGraphics ▪ TextSummarize ▪ LanguageIdentify ▪ TextStructure ▪ TextCases ▪ SpeechRecognize ▪ AudioIdentify ▪ SpeechCases ▪ SpeakerMatchQ ▪ PitchRecognize ▪