Cómo comenzar con el aprendizaje automático

Los intentos de diseñar máquinas más inteligentes que los humanos no son nuevos. Uno de los primeros ataques que la informática realizó contra la “inteligencia” humana fue a través de Juego de ajedrez. El ajedrez es (¿o deberíamos decir, fue?) Asumido por muchos como la prueba definitiva del intelecto y la creatividad humana, y en la década de 1960-70, había diferentes escuelas de pensamiento dentro de la informática..


Algunos sostuvieron que era solo cuestión de tiempo antes de que las computadoras superaran a los humanos para jugar ajedrez, mientras que otros creían que esto nunca sucedería.

Kasparov vs. azul profundo

El evento más sensacional con el hombre contra la máquina en la batalla del pensamiento fue la partida de ajedrez de 1996 entre el entonces campeón mundial Garry Kasparov (y posiblemente el mejor jugador de ajedrez) y Azul profundo, una supercomputadora que IBM diseñó para este mismo evento.

Crédito de imagen: Wikipedia

Para abreviar una larga historia, Kasparov ganó el partido de 1996 de manera convincente (4-2), pero perdió la revancha de 1997 (4.5-3.5), en medio de mucho controversia y las acusaciones de engaño directo de Kasparov contra IBM.

En cualquier caso, una era en el ajedrez y la informática había terminado. Las computadoras tenían derecho a ser más inteligentes que cualquier humano vivo posible. IBM, feliz con la venganza, desmanteló Deep Blue y siguió adelante.

Hoy en día, es imposible para cualquier gran maestro vencer a cualquier motor de ajedrez normal que se ejecute en hardware básico.

Lo que el aprendizaje automático no es

Antes de analizar más en profundidad el Aprendizaje automático, eliminemos algunos conceptos erróneos. Machine Learning no es, por ningún tramo de la imaginación, un intento de replicar el cerebro humano. A pesar de las creencias sensacionalistas sostenidas por personas como Elon Musk, las investigaciones en ciencias de la computación sostienen que no están buscando este grano sagrado, y ciertamente no están cerca de él..

En pocas palabras, el aprendizaje automático es la práctica de aplicar procesos de aprendizaje por ejemplo a las computadoras. Esto contrasta con el enfoque tradicional de depender de un programador humano para pensar todos los escenarios posibles y reglas de código duro para ellos en un sistema.

Honestamente, de eso se trata el aprendizaje automático: alimentar toneladas y toneladas y toneladas de datos a una computadora para que pueda aprender de los ejemplos (prueba → error → comparación → mejora) en lugar de depender del código fuente.

Aplicaciones de aprendizaje automático

Entonces, si Machine Learning no es magia negra, y tampoco es algo que va a generar Terminators, ¿para qué sirve??

El aprendizaje automático ayuda en casos donde la programación tradicional no funciona, y estos casos generalmente caen en una de las dos categorías.

  1. Clasificación
  2. Predicción

Como su nombre lo indica, la Clasificación se refiere a etiquetar las cosas correctamente, mientras que la Predicción tiene como objetivo corregir las proyecciones futuras, dado un conjunto de datos pasados ​​suficientemente grande.

Algunos aplicaciones interesantes de Machine Learning son:

Filtrado de spam

El correo electrónico no deseado es generalizado, pero intentar detenerlo puede ser una pesadilla. ¿Cómo se define el spam? ¿Es la presencia de palabras clave específicas? ¿O tal vez como está escrito? Es difícil pensar en un conjunto exhaustivo de reglas, en cuanto a programas.

Es por eso que usamos Machine Learning. Le mostramos al sistema millones de mensajes de spam y mensajes que no son de spam, y dejamos que descubra el resto. Este fue el secreto detrás de los increíblemente buenos filtros de spam de Gmail que sacudieron el correo electrónico personal a principios de la década de 2000!

Recomendaciones

Todas las principales empresas de comercio electrónico de hoy tienen sistemas de recomendación potentes. A veces, su capacidad para recomendar cosas que “podríamos” encontrar útiles es increíblemente precisa, a pesar de que nunca antes habíamos hecho clic en ese elemento.

¿Coincidencia? De ningún modo!

El aprendizaje automático es un trabajo duro aquí, engullendo terabytes tras terabytes de datos e intentando predecir nuestros estados de ánimo y preferencias volátiles..

Chatbots

¿Te has encontrado con un servicio de atención al cliente de primer nivel que parecía extrañamente robótico y, sin embargo, fue capaz de hacer una pequeña charla interesante??

Bueno, entonces has sido pwned por Machine Learning!

Aprender de las conversaciones y determinar qué decir cuando es un área próxima y emocionante de la aplicación de chatbot.

Eliminación de malezas

En la agricultura, los robots impulsados ​​por Machine Learning se usan para rociar selectivamente malezas y otras plantas no deseadas en medio de cultivos.

De lo contrario, esto debería hacerse a mano, o sería un desperdicio salvaje ya que el sistema rociaría el producto también con el líquido asesino.!

Búsqueda por voz

La interacción basada en la voz con los sistemas informáticos ya no es ciencia ficción. Hoy tenemos asistentes digitales como Alexa, Siri y Google Home, que pueden tomar comandos verbalmente y no estropearlos (¡bueno, casi!).

Algunos podrían argumentar que es una invención mejor evitada ya que está haciendo que la raza humana sea más floja que nunca, pero no se puede discutir con la efectividad. Por ejemplo, en Google I / O 2018, la compañía dio un demo impresionante de lo que estaba haciendo su equipo de investigación.

Diagnostico medico

Estamos al borde de una revolución en el diagnóstico médico, ya que los sistemas basados ​​en Machine Learning están comenzando a superar a los médicos experimentados en diagnóstico a través de rayos X, etc..

Tenga en cuenta que esto no significa que pronto no se necesitarán médicos, sino que la calidad de la atención médica aumentará drásticamente, mientras que los costos se desplomarán (¡a menos que los carteles de negocios dicten lo contrario!).

Esto fue solo una muestra de para qué se usa Machine Learning. Autos sin conductor, bots de juegos de estrategia, máquinas plegadoras de camisetas, captura de captcha, coloración de fotos en blanco y negro: muchas cosas están sucediendo en estos días.

Tipos de aprendizaje automático

Las técnicas de aprendizaje automático son de dos tipos..

Aprendizaje supervisado, en el que el sistema está dirigido por el juicio humano, y Aprendizaje sin supervisión, en el que el sistema se deja aprender por sí mismo. Otra forma de decir lo mismo sería que en el aprendizaje supervisado, tenemos un conjunto de datos que contiene tanto las entradas como la salida esperada, que el sistema utiliza para comparar y autocorregir. En el aprendizaje no supervisado, sin embargo, no hay resultados existentes para medir, por lo que los resultados pueden variar enormemente.

Una aplicación emocionante y escalofriante del aprendizaje automático no supervisado?

Serían bots jugando juegos de mesa, en los que el programa aprende las reglas del juego y las condiciones ganadoras, y luego se deja en sus propios dispositivos. El programa luego juega millones de juegos contra sí mismo, aprende de sus errores y refuerza las decisiones ventajosas..

Si estás en una computadora lo suficientemente poderosa, puedes preparar una IA que supere al mundo en unas pocas horas!

Las siguientes imágenes ilustran estas ideas sucintamente (fuente: Medio):

Recursos para iniciarse en Machine Learning

Entonces, ahora que está entusiasmado con el aprendizaje automático y cómo puede ayudarlo a conquistar el mundo, dónde comenzar?

A continuación, he enumerado algunos recursos fantásticos en la Web que pueden ayudarlo a lograr la fluidez en el aprendizaje automático sin tener que obtener un doctorado. en informática! Si no eres un investigador de Machine Learning, encontrarás el dominio de Machine Learning tan práctico y agradable como la programación en general.

Por lo tanto, no se preocupe, no importa cuál sea su nivel actual, puede, como un buen programa de Machine Learning, aprender y mejorar. ��

Programación

El primer requisito para entrar en Machine Learning es aprender a programar. Esto se debe a que los sistemas de Machine Learning vienen en forma de bibliotecas para varios lenguajes de programación..

Python es el más recomendado, en parte porque es increíblemente agradable de aprender y en parte porque tiene un ecosistema masivo de bibliotecas y recursos..

los oficial La Guía para principiantes es un excelente lugar para comenzar, incluso si está familiarizado con Python. O toma esto Curso de bootcamp convertirse en un héroe desde cero.

Piensa estadísticas

Una vez que haya terminado con los conceptos básicos de Python, mi segunda recomendación sería revisar dos libros increíblemente buenos. Son 100% gratis y disponible como PDF para descargar. Piensa estadísticas y Piensa Bayes son dos clásicos modernos que todo aspirante a ingeniero de Machine Learning debería internalizar.

Udemy

En este punto, te recomiendo que tomes un par de cursos de Udemy. El formato interactivo a su propio ritmo lo ayudará a entrar en el meollo de la cuestión y generar confianza.

Asegúrese de revisar la vista previa del curso, las revisiones (¡especialmente las negativas!) Y la sensación general del curso antes de comenzar.

También puedes encontrar tutoriales increíbles en YouTube gratis. Sentdex es uno de esos canales que puedo recomendar, donde siempre hay mucha diversión, pero el enfoque que adopta no es amigable para principiantes.

Andrew Ng

Curso impartido por Andrew Ng en Coursera es posiblemente el recurso de aprendizaje más popular para los fundamentos del aprendizaje automático.

Aunque utiliza el lenguaje de programación R, sigue siendo incomparable en su tratamiento del tema y las explicaciones lúcidas. Debido a este curso, Andrew Ng ha alcanzado una estatura divina en los círculos de ML, y la gente lo admira por su sabiduría suprema (¡no estoy bromeando!).

De hecho, este no es un curso para principiantes, pero si ya eres bueno en la disputa de datos y no te importa investigar a medida que avanzas, este curso es la mejor recomendación.

Los recursos en Internet no tienen fin y puede perderse fácilmente al comenzar. La mayoría de los tutoriales y debates que existen son matemáticamente desafiantes o carecen de una estructura, y pueden romper su confianza incluso antes de comenzar.

Por lo tanto, me gustaría advertirte contra la autodestrucción: mantén tu puntería modesta y muévete en pasos mínimos. El aprendizaje automático no es algo en lo que pueda sentirse cómodo en un día o dos, pero muy pronto comenzará a disfrutar, y quién sabe, tal vez incluso cree algo aterrador!

¡Que te diviertas! ��

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map