Rodrigo Cabello SQLSat Madrid Machine Learning for Developers

Rodrigo Cabello #SQLSat. Madrid Machine Learning for Developers

BIG Thanks to SQLSat. Madrid sponsors

¿Quién soy? Manuel Rodrigo Cabello Malagón Software Engineer @mrcabellom@gmail. com https: //geeks. ms/mrcabellom/

• Introducción Machine Learning • Inteligencia Artificial • Variantes aprendizaje • Workflow modelo predictivo • Microsoft + IA • Azure Machine Learning Studio • Experimentos • Servicios Web ML Studio • Demo • Cuantización y segmentación por color

Machine Learning

Inteligencia Artificial Objetivo: Imitar las funciones cognitivas del ser humano: “Aprender” y “Resolver Problemas”. • Principalmente persigue 2 objetivos: • Sistemas que piensan y actúan como humanos. • Sistemas que piensan y actúan racionalmente.

Inteligencia Artificial Test Turing superado 2014 Circuitos booleanos como modelos de cerebro 1943 Test de Turing (nacimiento I. A. ) 1950 - 1956 El invierno de la I. A. 1966 - 1974 Renacimiento I. A. 1980 -1990 I. A. Moderna 1990 - ---- 7

Inteligencia Artificial • ¿Cómo nos imaginamos la Inteligencia Artificial?

Inteligencia Artificial • ¿Qué es machine learning? • Rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender de los datos existentes para prever tendencias, resultados y comportamientos futuros. • Primeros algoritmos de Machine Learning (Perceptron, 1958) • Transformar datos en conocimiento: • Compra Online. • Detección de fraudes. • ¿Cuánto podría valer este coche?

¿Cómo aprendo Machine Learning? Bottom-up Top-down

Variantes de aprendizaje • Aprendizaje supervisado • Aprender acerca de un conjunto de datos ya clasificados para poder hacer predicciones futuras. • Algoritmos de clasificación y regresión. Clasificación Regresión ¿esto es A o B? ¿cuánto? o ¿cuántos?

Variantes de aprendizaje • Clasificación • Predecir dos categorías. • Respuestas simples ¿Es este tweet positivo o negativo? • Predecir varias categorías • Respuestas complejas ¿Qué tipo de servicio escogerá el cliente?

Variantes de aprendizaje • Aprendizaje no supervisado • Clustering: Organizar los datos en clusters sin tener conocimiento previo del grupo al que pertenecen. • Predecir y comprender mejor eventos y comportamientos futuros. ¿Cómo está organizado?

Variantes de aprendizaje • Aprendizaje por refuerzo • Algoritmos que aprenden acerca de los resultados que se realizan en ciertos estados. • Modifica la estrategia para obtener mayor recompensa. • Cómo responden los animales y el ser humano a los castigos y recompensas. ¿Qué debo hacer ahora?

Variantes de aprendizaje • Detección de anomalías • Algoritmos que analizan patrones y detectan comportamientos extraños. • Eventos o comportamientos inesperados o poco habituales. • Proporciona pistas sobre dónde buscar problemas. ¿Es extraño?

Workflow Entrenamiento & Test

Microsoft + IA

Servicios y herramientas Azure ML Studio Cognitive Services CNTK Bot Framework

Azure Machine Learning Studio

Introducción • Plataforma de aprendizaje • Crear, probar e implementar soluciones de análisis predictivo. • Subscripción gratuita. • Publicación de modelos como servicios webs. • Integración con aplicaciones personalizadas o herramientas BI. • Soporte para R y Python. • Herramientas procesamiento de datos.

Workspace y Experimentos • Panel para poder desarrollador nuestros experimentos predictivos: • • • Conjuntos de datos. Transformación datos. Algoritmos. Selección de características. Python scripts, R Scripts. Modelos entrenados. Modelos de Resultados. Transformaciones. Servicios Web.

Algoritmos Regresión Ordinal regression Fast forest quantile regression Neural Network regression Poisson regression Lineal regression Bayesian Linear regression Decision forest regression Boosted decisión tree regression Detección de anomalías One class SVM Clustering K-Means PCA-Based Anomaly Detection

Algoritmos Clasificación binaria Two-class SVM Two-class averaged perceptron Two-class logistic regression Two-class Bayes point machine Two-class decision forest Two-class decisión jungle Two-class locally deep SVM Two-class boosted decisión tree regression Two-class neural network Clasificación multi-clase Multiclass logistic regression Multiclass neuronal network Multiclass decision jungle Multiclass decision forest One-v-all multiclass

Librerías • Librería Azure Machine Learning • Permite acceder al Workspace de Azure ML Studio. • Crear, leer y administrar datasets.

Workflow • Experimento entrenamiento: 1. Obtención de los datos. 2. Preprocesamiento de datos. 3. Split (Datos entrenamiento /Test). 4. Selección Algoritmo. 5. Entramiento del modelo. 6. Evaluación resultados.

Demo Azure Machine Learning Studio

Web Services Azure Machine Learning Studio

Web services (Entreamiento) • Permite realizar un entrenamiento del modelo a través de una API. Servicio web entrenamiento Request-Response Batch

Web services (Predictivo) • Realizar predicciones a través de una API usando el model entrenado. Servicio web predictivo Request-Response Batch Update (PATCH)

Demo cuantización y segmentación por color

Cuantización y segmentación por color de Imágenes Dataset clúster Web service CIE L*a*b* (CIE 76) Dataset cuantizado (media) K-means

Aprendizaje no supervisado. Clustering 1. Inicialización centroides a. Random b. Kmeans++

Aprendizaje no supervisado. Clustering 2. Asignación de las observaciones a los centroides (por distancia) 3. Recalcular centroides (media) 4. Repetir 2 y 3 se repiten hasta que se converja. Con K = 2

Muchas Gracias #SQLSat. Madrid