Aplicativo basado en Machine Learning que detecta fallos en servidores y sugiere soluciones

Abstract

Tal y como lo menciona Kubat (2015), entre los múltiples objetivos que puede tener un ordenador, existe un grupo específico de tareas que se centran que en estas máquinas puedan reconocer y definir ciertos objetos o conceptos, es decir, que estos ordenadores por sí mismos generen conocimiento a partir de datos brutos o, en otras palabras, que puedan aprender. Sin embargo, es evidente que las máquinas no pueden trabajar en este reconocimiento del mismo modo que un ser humano. Por lo tanto, conforme la computación ha evolucionado, se han ido creando distintos métodos para “enseñar” a los ordenadores a cumplir ciertas tareas. Shalev-Shwartz & Ben-David (2014) afirman que ese conjunto de métodos se conoce como Aprendizaje de Máquina o Machine Learning (término en inglés) y pretende que la máquina realice una serie de operaciones de manera automática ya sea por medio de un aprendizaje denominado como “Razonamiento Inductivo” que consiste en que la máquina aprenda por medio de un conjunto de ejemplos, así como de manera menos guiada. Estos dos tipos de Aprendizaje suelen clasificarse como “Aprendizaje Supervisado” y “Aprendizaje no Supervisado”. Por medio de la utilización de este medio, se busca vías alternativas para algunas actividades y que son el fundamento para estudiar esta rama de la Inteligencia Artificial. Algunas de las citadas actividades son, por ejemplo, tareas que las personas suelen realizar con cotidianeidad, pero que son muy difícil de abstraer como para ser plasmadas en un programa computacional; también se debe mencionar, como factor adicional para emplear Machine Learning, el hecho de la rigidez que presenta la construcción de software tradicional, que suele tener un propósito único y su escalabilidad no permite una diversificación de funciones.