# Aprendizaje NO-Supervisado

Hoy vamos a intentar explicar un poco este concepto de **aprendizaje NO supervisado.** En un articulo anterior vimos un poco que es el **aprendizaje supervisado,** si te lo perdiste puedes darte una vuelta por ahí y ver a que me refiero.

Este es otra de las formas que nuestro sistema/modelo puede “aprender” aspectos de nuestros datos. Al ser un de tipo NO-supervisado quiere decir que no tiene ninguna información de nosotros que le diga como categorizar nuestra información, el solito va a decidir como agrupar nuestra información.

Para llevar a cabo esta tarea de categorizar información hay varias técnicas , una de las más comunes usadas es la de **clustering** o agrupamiento. El modelo encuentra datos que le ayudan a delimitar estos grupos o clusters.

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1737909106684/6ec5d454-9120-4bae-ab58-363e7cc780f4.png align="center")

El modelo logra encontrar y crear esos puntos de separación por si solo.

La gran diferencia entre el **aprendizaje supervisado- categorización** es que aquí nosotros no le especificamos ninguna categoría de agrupación el modelo las detecta y crea por si solo.

Un modelo de aprendizaje no supervisado puede crear los cluster de un data set de clima como muestra la figura. Creado clusters para nieve, lluvia, calor o no lluvia.

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1737909318435/9a241b86-ec6f-4fd2-ac1f-43612690451b.png align="center")

## Aprendizaje reforzado

Este es otra forma donde los modelos aprenden a hacer predicciones usando un sistema de castigo o premio basado en las acciones que realizan. Estos modelos generan unas [reglas](https://developers.google.com/machine-learning/glossary#policy) que permiten establecer la estrategia que más premios permite obtener.

El modelo que desarrolla un robot que limpia la casa se puede establecer como un buen ejemplo de aprendizaje reforzado.

### AI Generativa

Estos son modelos que generan contenidos dependiendo de la información de entrada que se les proporcione. Se pueden usar varias cambinaciones de valores de entrada para generar varias salidas.}

Texto a texto  
Texto a imagen

Texto a vídeo

Texto a código

Texto a voz

Imagen y texto a imagen

Por ejemplo, se puede pedir al modelo un modelo de tipo TEXTO a IMAGEN puede generar una imagen basada en la descripción proporcionada.

Los modelos de tipo AI generativos a grandes rasgos lo que hacen es crear patrones sobre acciones para después poder imitarlos creando nuevos contenidos pero similares.

Si queremos buscar un ejemplo de la vida real podemos decir que los modelos AI generativos hacen lo mismo que un comediante que imita a otro comediante usado una version diferente de sus chistes.

Hasta aquí la teoría.

Todas las imagenes fueron sacadas del curso de [google de ML](https://developers.google.com/machine-learning/intro-to-ml)