1 La idea en una frase
Machine Learning: tú das ejemplos y resultados → la computadora descubre las reglas.
Imagina que quieres decidir si una estructura está sana o en riesgo. En vez de escribir cientos de "si pasa esto, entonces…", le muestras muchos casos reales ya etiquetados y dejas que el algoritmo encuentre la frontera que los separa. Eso es, en esencia, el aprendizaje automático.
2 Las tres familias del aprendizaje
Toca cada una para desplegar la explicación y un ejemplo de ingeniería.
Aprende de ejemplos etiquetados: cada dato viene con su "respuesta correcta". El modelo ajusta sus reglas hasta acertar.
Ejemplo civil: le damos 10 000 fotos de concreto marcadas como "con grieta" / "sin grieta" y aprende a clasificar fotos nuevas. clasificación · regresión
No hay etiquetas. El modelo agrupa los datos por similitud y revela estructura oculta que nadie le señaló.
Ejemplo civil: miles de lecturas de sensores de un puente se agrupan solas en "comportamiento normal" vs. "patrones raros" sin decirle qué es cada cosa. clustering
El modelo aprende probando y recibiendo premios o castigos. Optimiza sus decisiones para maximizar la recompensa a largo plazo.
Ejemplo civil: un sistema que ajusta amortiguadores de un edificio durante un sismo, aprendiendo qué acción reduce más las vibraciones. prueba y error
3 Sé el algoritmo
Cada punto es una estructura inspeccionada: teal = sana, naranja = en riesgo. Tu tarea (igual que la de un clasificador supervisado): encontrar la línea que las separe mejor. Cuando te rindas, deja que la IA lo resuelva sola.
4 4 palabras que oirás todo el tiempo
El "cerebro" entrenado: la fórmula o red que hace predicciones.
El proceso de mostrarle datos para que ajuste sus reglas.
Las variables de entrada (vibración, edad, temperatura…).
La respuesta que da el modelo ante un dato nuevo.