Glosario

Reconocimiento de patrones

¿Qué es Reconocimiento de patrones?

El reconocimiento de patrones es la identificación automática de regularidades, estructuras o rasgos recurrentes en datos como imágenes, sonidos, textos o mediciones. Los sistemas asignan nuevas observaciones a categorías conocidas o descubren grupos sin indicaciones previas. Entre sus aplicaciones están el reconocimiento facial y de escritura a mano, el control de calidad en la producción o la detección de transacciones inusuales. Es una base importante del aprendizaje automático.

Temas

fundamentos
clasificación
análisis de datos

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Aprendizaje automático

El aprendizaje automático (machine learning) es una rama de la inteligencia artificial en la que los ordenadores deducen patrones de los datos en vez de recibir cada regla programada. Según la tarea, los modelos aprenden de ejemplos etiquetados (supervisado), de datos sin etiquetar (no supervisado) o mediante recompensas (por refuerzo). Las aplicaciones van desde filtros de spam y previsiones de demanda hasta recomendaciones de productos. La calidad depende mucho de la cantidad y la calidad de los datos de entrenamiento.

fundamentos
IA
+1

Reconocimiento de imágenes

El reconocimiento de imágenes es un campo de la visión artificial en el que un software identifica lo que muestra una imagen: objetos, personas, texto, logotipos o escenas. Suele basarse en redes neuronales entrenadas con muchas imágenes etiquetadas. Sus aplicaciones van desde el control de calidad en fábricas y la clasificación de fotos de productos hasta el apoyo en imagen médica. Con imágenes de personas hay que prestar especial atención a la protección de datos y a posibles sesgos.

Visión artificial
Análisis de imágenes
+1

Clasificador

Un clasificador es un modelo o método que asigna una entrada a una de varias categorías predefinidas. Las variantes clásicas, como los árboles de decisión o Naive Bayes, se entrenan con ejemplos etiquetados; los modelos de lenguaje también pueden clasificar textos a partir de una descripción de las categorías. Usos típicos son detectar spam, ordenar consultas de clientes por tema o clasificar justificantes. La calidad se mide con métricas como exactitud, precisión y exhaustividad (recall).

Clasificación
Aprendizaje automático
+1

Plantilla

Clustering

El clustering (agrupamiento) es un método de aprendizaje no supervisado que divide los datos en grupos según su similitud, sin categorías predefinidas. Así salen a la luz patrones que nadie había nombrado, por ejemplo segmentos de clientes con hábitos de compra parecidos. Con textos, ayuda a ordenar cientos de consultas de clientes por temas como envío, facturación o reclamaciones y a ver dónde se concentran.

aprendizaje no supervisado
agrupamiento
+1

Plantilla