Machine Learning

Dentro del mundo de la Inteligencia Artificial existe un sin fin de puestos, perfiles y roles. Cada uno tiene un conocimiento diferente y obviamente una responsabilidad distinta.

Los principales roles de IA que se pueden encontrar en el mercado son:

• Analista de Datos
• Ingeniero de Datos
• Ingeniero de Machine Learning
• Data Scientist

Analista de Datos

Los analistas de datos realizan varias tareas, por ejemplo visualización, manipulación y el procesamiento de cantidades masivas de datos.

También tienen que realizar consultas en las bases de datos para obtener y refinar los datos obtenidos.

Una de las habilidades más importantes de un analista de datos es comprender tanto de como obtener los datos como también que tareas deberá realizar para mejorarlos o darles sentido.

Las principales herramienta s que debería conocer son:

• Python
• R
• SQL
• Power BI
• Excel

Ingeniero de Datos

Este perfil se ocupa de recolectar, analizar y transformar los datos para darle sentido al análisis y al procesamientos que luego vamos a realizar.

Debe conocer como obtener datos de diferentes sitios por ejemplo base de datos o páginas web mediante librerías de Web Scraping.

Las herramientas necesarias son:

•  Python
• R
• SQL
• Librerías de manipulación de datos Numpy, Pandas
• Jypyter o Google Colab
• Web Scraping

Ingeniero de Machine Learning

Los ingenieros de aprendizaje automático es uno de los roles en IA más solicitados. Este perfil debe contar con un conocimiento profundo en algunas librerías como Numpy, Pandas, Scikit learn.

También deberas saber como implementar y optimizar diferentes tipos e algoritmos de aprendizaje supervisado, no supervisado o por refuerzo.

Herramientas que deberías conocer:

•  Python
• R
• SQL
• Librerías como Numpy, Pandas, Scikit learn
• Jypyter o Google Colab

Data Scientist

Los Data Scientist se ocupan de realizar el end-to-end del del proceso de Data Science.

Los científicos de datos deben comprender los desafíos de las empresas y ofrecer las mejores soluciones mediante el análisis y el procesamiento de datos.

Las principales tareas son de identificar patrones o tendencias al analizar los datos.

Por último, deben ayudar a crear algoritmos para ayudar a las empresas a tomar mejores decisiones.

Herramientas que deberías conocer:

•  Python
• R
• SQL
• Librerías como Numpy, Pandas, Scikit learn
• Jypyter o Google Colab

¡Si todavía no lo hiciste, Suscribite AHORA al Newsletter!! para tener las últimas noticias sobre el mundo de la Inteligencia Artificial.

Por suerte hoy en día tenemos gran cantidad de libros sobre machine learning. En este post te dejo lo que son para mi los mejores 5 libros sobre ML.

Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow

Introduction to Machine Learning with Python: A Guide for Data Scientists

Data Science from Scratch: First Principles with Python

Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

Machine Learning with Python Cookbook: Practical Solutions from Preprocessing to Deep Learning

¡Si todavía no lo hiciste, Suscribite AHORA al Newsletter!! para tener las últimas noticias sobre el mundo de la Inteligencia Artificial.

La inteligencia Artificial son los sistemas o algoritmos que pueden realizar tareas imitando a la inteligencia humana. En resumen lo que hace diferente a la IA de los demás tipos de algoritmos es que estos tienen la capacidad de mejorar sus predicciones de forma automática.

La AI es un campo muy amplio, dentro de esta disciplina se encuentra el machine learning y el Deep learning.

Hoy en día utilizamos este tipo de algoritmos sin darnos cuenta. Por ejemplo cuando utilizamos el buscador de Google estamos utilizando un algoritmo de inteligencia artificial. Otro ejemplo cuando utilizamos Netflix las recomendaciones de series o películas las obtenemos con algoritmos de IA.

Para implementar este tipo de algoritmos necesitamos tres elementos. El primer son los datos mientras más datos y de mejor calidad podamos contar mejor va a ser el modelo creado. El segundo de los elementos es la selección del algoritmo, puede ser por ejemplo aprendizaje supervisado, aprendizaje no supervisado o aprendizaje por refuerzo. El último de los elementos es la capacidad de procesar esos datos, hoy día es muy fácil y económico contar con este tipo de computadoras.

¡Si todavía no lo hiciste, Suscribite AHORA al Newsletter!! para tener las últimas noticias sobre el mundo de la Inteligencia Artificial.

En el post anterior te conte que era el Machine Learning y algunos ejemplos. En este post te voy a contar más sobre los subtipos de machine learning que podes encontrar.

Principalmente existen tres tipos de machine learning estos son :

• Aprendizaje Supervizado
• Aprendizaje No Supervisado
• Aprendizaje por Refuerzo

Aprendizaje Supervisado

El aprendizaje supervisado se caracteriza porque trabajamos con datos etiquetados.Esto quiere decir que el algoritmo va a aprender con los datos que nosotros le vamos a dar.

Cuando le mostramos un dato nuevo al algoritmo éste va a predecir el resultado con los datos que le suministramos anteriormente.

Existen dos tipos de aprendizaje supervisado estos son clasificación y regresión. Los algoritmos de clasificación lo que hacemos es como lo dice su nombre clasificar elementos. En el caso de Regresión el algoritmo nos devuelve un dato numérico.

Aprendizaje No Supervisado

Por otro lado tenemos el aprendizaje no supervisado a diferencia del supervisado en este caso no le vamos a entrenar con datos etiquetados al algoritmo .

El aprendizaje no supervisado nos ayuda a resolver principalmente problemas de clustering, detección de fraudes o de clasificación de clientes.

Aprendizaje por Refuerzo

Por último existe el aprendizaje por refuerzo. En este caso la entrada va a ser una retroalimentación que nosotros le damos dependiendo la respuesta que queremos que haga el algoritmo.

En resumen este tipo de aprendizaje prende a base de ensayo y de error.

¡Si todavía no lo hiciste, Suscribite AHORA al Newsletter!! para tener las últimas noticias sobre el mundo de la Inteligencia Artificial.

Machine Learning o Aprendizaje Automático en español, es un subcampo de la inteligencia Artificial cuyo principal objetivo es crear soluciones a problemas de forma automática.

Lo que intentamos hacer cuando creamos modelos que utilizan Machine Learning es que podamos construir software que puedan darnos una respuesta y que vayan aprendiendo de forma automática sin la intervención de una persona.

El objetivo del machine learning es crear un modelo que nos permita resolver problema específico. Lo que hacemos es entrenar un modelo con gran cantidad de datos, el modelo aprende de estos datos y gracias a esto nos puede ayudar a crear predicciones.

En resumen aprendizaje automático se crea utilizando distinto tipos de algoritmos. Los algoritmos son una serie de pasos ordenados que se dan para realizar una tarea.

Ejemplos de Machine Learning

En la vida cotidiana como usuarios utilizamos sin darnos cuenta un sin fin de modelos de machine learning.

Un clásico ejemplo son los correos electrónicos. Si utilizaste algún servicio de email como Gmail pudiste observar que util es la funcionalidad de spam. Lo que hace Google es correr un modelo de Machine Learning para separar los mails que según algunas características pueden ser spam de otros mail que no.

Google con su aplicación Fotos reconoce nuestros rostros y los separa para luego podamos filtrar nuestras fotos en donde aparece alguna persona en especial.

Por último está el ejemplo de la plataforma de Netflix. Esta aplicación te recomienda películas y series dependiendo de un algoritmo de recomendación que está basado en tus gustos personales.

Los ejemplos e implementaciones de algoritmos de Aprendizaje Automático van creciendo día a día.

Algoritmos más utilizados

Existen muchos algoritmos que podemos utilizar, como lo veremos en otro post esto depende del tipo de problema que queremos resolver. A continuación dejo algunos de los más utilizados en el mercado:

• Regresión Lineal
• Regresión LogísticaÁrboles de decisión
• SVM
• K-Means
• Redes Neuronales

En los siguientes posts voy a hablar más sobre estos algoritmos y la utilidad que les podemos dar en nuestro día a día.

¡Si todavía no lo hiciste, Suscribite AHORA al Newsletter!! para tener las últimas noticias sobre el mundo de la Inteligencia Artificial.