Términos del glosario

¿Qué es K-means? K-means es un algoritmo de clustering utilizado en el campo del aprendizaje no supervisado. El objetivo del algoritmo es agrupar un conjunto de datos en K clusters, donde K es un número predefinido de clusters. El algoritmo comienza seleccionando K centroides al azar y asignando cada punto de datos al centroide más cercano. Luego, el algoritmo recalcula los centroides como la media de todos los puntos de datos asignados a cada centroide, y repite el proceso de asignación y recalculo de centroides hasta que la convergencia se alcanza y los centroides ya no cambian de posición significativamente. Como resultado se consigue dividir el espacio de los datos en K celdas de Voronoi (uno por centroide), pudiendo asociar cada observación de entrada al centroide más cercano. El algoritmo K-means es ampliamente utilizado en tareas de segmentación de clientes, clasificación de texto y procesamiento de imágenes, entre otras aplicaciones.

¿Qué es Keras? Keras es una biblioteca de aprendizaje profundo de código abierto escrita en Python. Proporciona una interfaz de alto nivel para crear y entrenar modelos de aprendizaje profundo en diferentes plataformas, como TensorFlow, Microsoft Cognitive Toolkit (CNTK) y Theano. Keras facilita la creación de redes neuronales artificiales, permitiendo que los desarrolladores se centren en el diseño y la experimentación de modelos en lugar de preocuparse por la implementación de bajo nivel. Keras cuenta con una gran comunidad de usuarios y ha sido ampliamente adoptado en la industria y la academia debido a su facilidad de uso y flexibilidad.

¿Qué es KPI (Key Performance Indicator)? KPI son las siglas en inglés de «Key Performance Indicator» o Indicador Clave de Rendimiento en español. Un KPI es una métrica utilizada para evaluar el rendimiento de una empresa, un proyecto, un proceso o un producto en relación con los objetivos estratégicos y las metas establecidas. Los KPIs son una herramienta importante en la toma de decisiones empresariales y se utilizan para medir y analizar el progreso hacia los objetivos, identificar áreas de mejora y tomar decisiones basadas en datos. En el contexto de la inteligencia artificial y el aprendizaje automático, los KPIs pueden utilizarse para evaluar el rendimiento de los modelos de aprendizaje automático, como la precisión, el tiempo de respuesta y la escalabilidad, y para determinar si el modelo está cumpliendo con los requisitos y las expectativas establecidas.