MODELOS DE APRENDIZAJE AUTOMÁTICO: APLICACIÓN Y EFICIENCIA

Abstract

Existe una gran cantidad de sistemas que se estudian y se desarrollan en el campo del aprendizaje automático y la inteligencia artificial, lo que sin duda ha logrado transformar una multitud de industrias y aplicaciones en todo el mundo. El propósito de este estudio radica en una revisión exhaustiva de 120 artículos, donde se destaca la diversidad de tipos de datos utilizados en el aprendizaje automático, desde datos estructurados como tablas y series temporales hasta datos no estructurados como imágenes y texto, identificando su aplicación óptima en los diversos contextos y aplicaciones. Para el desarrollo de esta investigación se llevó a cabo una revisión sistemática de la literatura, originada por la búsqueda de los modelos computacionales utilizados en distintos ámbitos del conocimiento humano; se procedió con ejecución de la búsqueda donde se realiza la extracción de datos, describiendo cada uno de los campos considerados para el análisis de la información; se procesó y analizaron los datos considerando los modelos con mayor frecuencia de uso y sus métricas de rendimiento. Los resultados de esta investigación destacan la preferencia del modelo de Máquinas de Soporte Vectorial como el más frecuentemente empleado en variedad de aplicaciones, así mismo la investigación también revela que, en términos de eficiencia y precisión los modelos Gradient Boosting y Redes Neuronales Artificiales, sobresalen significativamente. Estos resultados evidencian la importancia de una colaboración interdisciplinaria y la necesidad de aplicación adecuada para garantizar que el aprendizaje automático y la inteligencia artificial sigan siendo motores para el avance tecnológico.