El Machine Learning proporciona la base técnica de la minería de datos. Se utiliza para extraer información de ingentes cantidades de datos en bruto, expresándola de una forma comprensible para que se pueda utilizar en una variedad de propósitos.
El Machine Learning es un tipo de inteligencia artificial (IA) que proporciona a los equipos la capacidad de aprender sin ser programados de forma explícita. El Machine Learning se centra en el desarrollo de programas informáticos que pueden enseñar a sí mismos para crecer y cambiar cuando se alimentan con nuevos datos.
El Machine Learning se está aprovechando del crecimiento rápido, fiable y barato del almacenamiento de datos. Los grandes proveedores de Machine Learning están en el mercado del Big Data, por ejemplo, IBM con Watson y su API del internet de las cosas. Esta relación entre Machine Learning y Big Data no es casual, la primera necesita grandes volúmenes de datos para crear modelos matemáticos (análisis estadístico) de esos datos. Cuantos más datos pueda analizar más óptimo será el modelo matemático, este proceso se llama entrenamiento.
Hoy en día, está creciendo las soluciones de Machine Learning de forma exponencial, todas las empresas dedicadas a IT tienen o van tener una solución próximamente. Entre estas están Watson (IBM) y TensorFlow (Google).
IBM ha recorrido un largo camino para que la inteligencia artificial (IA) sea más accesible. Su famoso superordenador Big Blue venció al campeón mundial de ajedrez Gary Kasparov y Watson capturó la atención del público cuando se venció el actual campeón de Jeopardy Ken Jennings.
Las empresas están más interesadas en las aplicaciones prácticas que ganar juegos o analizar todas letras de canciones de Dylan (que Watson hizo). Afortunadamente, IBM ha desarrollado con Watson un evolucionado servicio que se usa por una variedad de industrias, desde la medicina a los deportes. Watson tiene su propio ecosistema de desarrolladores y plataforma basada en la nube llamado IBM Bluemix que ofrece a los desarrolladores la oportunidad de aprovechar las capacidades de Watson para crear nuevas aplicaciones "inteligentes".
Watson de IBM
Watson tiene 8 servicios disponibles:
- Identificación de idiomas. Puede determinar el idioma que está escrito un texto.
- Traducción Automática. Traduce un texto entre múltiples pares de idiomas.
- Ampliación del concepto. Tomando un coloquialismo puede asignarle un significado en función del contexto.
- Resonancia del mensaje. Determina la popularidad de una palabra dada de una determinada audiencia.
- Pregunta y respuesta. Ofrece respuestas directas a las preguntas de los usuarios referenciándose por fuentes documentales primarias.
- Extracción de relación. Puede analizar sentencias para determinar las relaciones entre los componentes como una manera para otros sistemas analíticos entender mejor el significado de lo que se está discutiendo. Por ejemplo, si se alimenta "Antonio habló ayer sobre su nueva película," sería entender que "Antonio" es una persona, "ayer" es una referencia de tiempo, y "película" es el objeto del texto.
- Modelado de Usuario. Emplea el análisis lingüístico para hacer predicciones sobre las características sociales de alguien a partir de un texto suministrado.
- Representación de visualización. Genera visualizaciones de datos de diferentes tipos - no simples diagramas circulares o gráficos de barras, sino también a los gustos de los diagramas de flujo y gráficos de nodo.
Con TensorFlow, Google ha cambiado de táctica, compartiendo libremente algunos de su más reciente y, de hecho, el más importante software de su negocio. Anteriormente, Google abrió partes de su sistema operativo móvil Android y muchos otros proyectos de software más pequeños. Pero esto es diferente, este software se encuentra en el corazón de la empresa.
TensorFlow
Google entrena a estas redes neuronales utilizando una amplia gama de máquinas equipadas con procesadores GPU que son óptimos en el procesamiento de grandes volúmenes de datos en paralelo. TensorFlow proporcionará modelos de redes neuronales y algoritmos, incluyendo los modelos para el reconocimiento de las fotografías, la identificación de los números escritos a mano y el análisis de texto.
Los diagramas de flujo de datos describen cálculo matemático con un grafo dirigido de nodos y bordes. Los nodos suelen aplicar operaciones matemáticas, pero también puede representar a los puntos finales para alimentarse en los datos, eliminar resultados, o leer / escribir variables persistentes. Los bordes describen las relaciones de entrada / salida entre los nodos. Estos bordes datos llevan conjuntos de datos multidimensionales dinámicamente empresas, o tensores. El flujo de los tensores a través de la gráfica es donde TensorFlow recibe su nombre. Los nodos se asignan a los dispositivos de cómputo y ejecutar de forma asincrónica y en paralelo una vez que todos los tensores en sus bordes entrantes que se disponga.
Diagrama de flujo de datos
Autor: Félix Peláez
No hay comentarios:
Publicar un comentario