Generalmente, nos referimos a esta era como la “era de la información” por la gran cantidad de datos que constantemente se genera. A pesar de que la tasa con la cual crecen los datos siempre ha sido cada vez mayor, recientemente el crecimiento es a gran velocidad y los datos cada vez más complejos, a tal punto que se ha generado una frase para describir esta situación: BIG DATA. Si acompañamos este evento con un análisis adecuado, nos encontraremos frente a la oportunidad de extraer información más precisa de una gran cantidad de datos y generar conocimiento para la toma de decisiones. El aprendizaje automático se presenta como una alternativa para realizar esta tarea.

‍

Una primera definición de aprendizaje automático (machine learning, en el idioma inglés) fue introducida en 1959 por Arthur Samuel. Esta definición indica que el aprendizaje automático es una rama de la inteligencia artificial cuyo fin es dotar a una máquina, a través de algoritmos, de la capacidad de entrenar y aprender en base a datos, sin ser explícitamente programada. De esta forma, se imita la capacidad que tienen las personas de aprender mediante ejemplos sin recurrir a fórmulas ni reglas entre las variables y se posibilita, al término del entrenamiento, la generalización, es decir, la obtención de resultados correctos en nuevas situaciones no conocidas durante el aprendizaje. Surge de esta manera, el aprendizaje automático como una ciencia de los algoritmos que permite la extracción de patrones (minería de datos) y el análisis para la predicción.