Análisis y aplicación de técnicas de Machine Learning: un enfoque comparativo y práctico

Abstract

El presente trabajo de fin de grado se centra en aportar una visión general de las diferentes técnicas de análisis que existen en el campo del Machine Learning, destacando la relevancia y aplicabilidad en diversos contextos, y haciendo énfasis en las técnicas de aprendizaje supervisado (regresión y clasificación) y no supervisado (clustering y reducción de la dimensionalidad), aunque mencionando brevemente otras como el aprendizaje semi-supervisado, por refuerzo, así como las redes neuronales y el Deep Learning, explicando brevemente sus fundamentos y aplicaciones potenciales. Se hace un análisis de los diferentes tipos de algoritmos que existen en las distintas técnicas de aprendizaje, empleando algunas de estas para un análisis empírico utilizando los programas como R Studio y Weka con el fin de ilustrar la aplicación práctica de estas técnicas.

The tesis focuses on providing an overview of different analysis techniques in the Machine Learning field, highlighting their relevance and appropriateness in various contexts, giving a special emphasis in supervised learning techniques (regression and classification) and unsupervised learning techniques (clustering and dimensionality reduction), while briefly mentioning other techniques such as semi-supervised learning, reinforcement learning, as well as neural networks and deep learning, briefly explaining their fundamentals and potential applications. An analysis of the different types of algorithms, belonging to different types of learning, is carried out using programs such as R Studio and Weka in order to demonstrate the practical application of these techniques.