Una empresa debe entrenar un modelo para clasificar imágenes de varias especies animales. Ya cuenta con un gran conjunto de imágenes etiquetadas y no etiquetará datos adicionales. ¿Qué enfoque de aprendizaje debería utilizar la empresa?

El aprendizaje supervisado es el enfoque correcto porque la empresa ya tiene un "gran conjunto de imágenes etiquetadas". En el aprendizaje supervisado, el modelo aprende de datos de entrada que ya están emparejados con las etiquetas de salida correctas (en este caso, imágenes de animales con sus respectivas especies). El objetivo es que el modelo aprenda a mapear las entradas a las salidas para poder clasificar nuevas imágenes no vistas. El aprendizaje no supervisado se utiliza cuando los datos no están etiquetados y el objetivo es encontrar patrones o estructuras ocultas. El aprendizaje por refuerzo implica un agente que aprende a tomar decisiones a través de la interacción con un entorno para maximizar una recompensa. El aprendizaje activo es un tipo de aprendizaje supervisado donde el algoritmo puede consultar a un usuario para etiquetar nuevos puntos de datos, lo cual no es aplicable aquí ya que la empresa no etiquetará datos adicionales.