gapand 2015 machine learning
TRANSCRIPT
Adrián Díaz CerveraSantiago Porras Rodríguez
Machine LearningAspectos útiles y practicos
#GAPAND2015
Adrián Díaz Cervera
Sobre Mi
• SharePoint Architect at Encamina• http://
blogs.encamina.com/desarrollandosobresharepoint
• [email protected] @AdrianDiaz81
Santiago Porras Rodríguez
Sobre Mi
• SharePoint Developer en ENCAMINA
• http://blogs.encamina.com/en-tu-casa-o-en-la-mia/
• [email protected] @saintwukong
Agenda1 ¿Qué es Machine Learning?2 Conceptos Cores 3 Aplicaciones que la utilizan4 Experimentos con Linkedin5 Proyecto Oxford6 Experimentos con Twitter7 Q&A
¿Qué es Machine Learning?
■Conjunto de técnicas pertenecientes a la inteligencia artificial cuyo objetivo es permitir que las máquinas “aprendan”.
■Su objetivo es predecir un resultado partiendo de un conjunto de información.
■Intenta obtener los patrones de comportamiento y especialmente “generalizar”, es decir, predecir como serán los nuevos casos basándose en la experiencia anterior.
Machine Learning
¿Qué no es Machine Learning?
■Generalización: capacidad de utilizar la experiencia adquirida en un conjunto de información de ejemplo, y propagarla hacia nuevos casos y nuevas experiencias.
■Tenemos algoritmos para casi todo: unos que buscan los patrones de cambio, otras que simplemente clasifican y otras que aplican la experiencia.
¿Cómo funciona el Machine Learning?
■Odisea en el espacio (2001)
■Skynet
■Minority Report
¿Ciencia Ficción o Realidad?
Conceptos Cores
Azure Machine Learning Workflow
■Data: Todo acerca de los datos. Adquirir, compilar y analizar las pruebas
■Modelo: Utilizar diferentes algoritmos de aprendizaje para crear nuevos modelos
■Evaluar el modelo: Examinar la exactitud de los modelos para predecir el resultado correcto
■Refinar el modelo: Comparar, contrastat y combinar modelos alternativos
■Desplegar el modelo: Crear un servicio web escalable■Testear : Comprobarlo en un entorno productiov
Azure Machine Learning Workflow
■ClasificationEstos se utilizan para clasificar los datos en diferentes categorías que luego pueden ser usados para predecir una o más variables discretas, basadas en los otros atributos del conjunto de datos
■RegresionEstos se utilizan para predecir una o más variables continuas, como resultado del ejercicio, sobre la base de otros atributos del conjunto de datos.
■ClusteringEstos determinan agrupaciones naturales y patrones en los conjuntos de datos y se utilizan para predecir las clasificaciones de agrupación para una variable dada.
Tipos de Algoritmos
■Supervisado
■Sin supervisión
Aprendizaje
Aplicación que la utilizan
■Basado y aplicando Graph su reto es priorizar la información vinculada a mí desde distintos orígenes de contenido (Exchange Online, Onedrive, SharePoint y Yammer).
Office Delve
■Filtra los mensajes que llegan a la Bandeja de Entrada y los organiza según los criterios del usuario de forma automática.
■NO se trata de aplicar una serie de reglas predefinidas, sino que aprende por sí mismo lo que es importante y lo que no lo es, observando nuestras costumbres y preferencias para repetirlas automáticamente a posteriori
Clutter
Cortana
Redes Sociales
Otros Ejemplos de Aplicación
■Reducir complejidad■Accesible a través del un navegador
■Colaborativo, trabajar en equipo vía Azure Workspace
■Composición Visual■Posibilidad de llevar modelos a producción
■Soporte de R
Azure Machine Learning
■Testeo rapido de nuevas funcionalidades y algoritmos.
■Biblioteca de Modelos
■Compartir, buscar, reutilizar
■Rápido Deploy como Azure web service
Azure Machine Learning
Recruitment with Machine Learning - Linkedin
DEMO
Proyecto Oxford
■Aplicaciones inteligentes■Uso de Machine Learning para procesamiento
■ Capacidades:■Reconocer caras■Interpretar lenguaje ■Procesamiento de voz■Herramientas visuales
Proyecto Oxford
Twitter to Badoo !!
Demo
■Que es Machine Learning
■Casos Prácticos
■Realidad y no Ficción
■Fácil, simple y eficaz
Resumen