No supervisado: Este tipo de aprendizaje se da cuando no se tienen etiquetas, por lo que se generan clústers (subdivisiones) en la información. A estos algoritmos se les dice en cuántos clústers se quiere subdividir la información y ellos realizan la subdivisión.
Un ejemplo sería; Dado una serie de transacciones, subdividir la información en dos grupos, conocidos como clústers, el algoritmo podría dividir la información en transacciones completadas o rechazadas, legítimas o fraudulentas, matutinas o vespertinas, etc.
Aprendizaje por refuerzo O Reinforcement Learning: Es aquel que que combina algunas partes supervisadas y algunas no supervisadas; el algoritmo genera una acción cualquiera y el interpretador le dice al algoritmo si esta bien o esta mal esa interpretación.
Siguiendo con los ejemplos anteriores, el algoritmo selecciona un dato dentro de las transacciones, decide si es fraudulenta o legitima, el interpretador verifica y da una recompensa en caso de acierto o un castigo en caso de falla, con esto, el algoritmo va cambiando su comportamiento hasta que se acerca al comportamiento deseado.
Estas técnicas son implementadas según los datos y el objetivo que su empresa requiere, permita que nuestra experiencia en IA y ML le ayude a descubrir nueva información accionable sobre la cual tome decisiones.