Aprendizaje automático con Azure

18/11/2016

Uno de los conceptos que más de moda hay en internet a día de hoy es el “machine learning” y que está dando mucho que hablar. Hoy en día parece que sino sabemos de “Big Data”, “machine learning”, “business intelligence”, “cloud”, parece que no sepamos de nada. Es por ello que en este post, vamos a intentar entender qué es esto del “machine learning”.

 

El machine learning como su nombre indica, significa aprendizaje automático; en wikipedia tenemos una buena definición. ¿Qué significa esto? Pues es una rama de la inteligencia artificial que intenta diseñar técnicas para que las máquinas puedan aprender. Pensando en esta definición, podemos pensar en ciencia ficción, robots, algo lejano a nosotros.. y esto ¿Cómo cuadra en las empresas? ¿Por qué está tan de moda?

Porque gran parte del know-how obtenido de la inteligencia artificial, ahora lo podemos aplicar al análisis predictivo y eso es en definitiva el machine learning. Hoy en día las empresas son muy dinámicas y ya no sirven los datos de reportes de BI de las ventas del mes pasado. Hoy en día se necesitan a diario y quizás más importante, esos análisis se necesitan “Antes”, osea análisis predictivo y saber por ejemplo a qué precio debo vender: no intentar un análisis a posterior como siempre se ha hecho, sino un análisis predictivo y ahí es donde los algoritmos del aprendizaje automático pueden ayudar.

Para entenderlo mejor y de una forma muy práctica, aconsejo seguir este tutorial de la página de Microsoft Azure.

https://azure.microsoft.com/en-us/documentation/articles/machine-learning-create-experiment/

En este tutorial de menos de 1 hora, se detalla paso a paso cómo crear un experimento en Azure ML, osea (Azure Machine Learning) que es la parte de Azure que se dedica al Machine Learning y lo más importante, vemos cómo podemos sacarle uso al aprendizaje automático. Veamos algunos detalles:

  • Inicialmente podemos acceder al Azure Machine Learning Studio de forma gratuita sin necesidad de tener cuenta de Azure, de Office365, eso sí por tiempo limitado, pero que para demos es muy útil.
  • En este entorno muy similar a Azure, vemos que tenemos la posibilidad de crear experimientos o cargar datasets propios.  El tutorial trata de explicar que a partir de los datos históricos que tenemos de automóviles, con los algoritmos del machine learning, somos capaces de predecir el precio al que hay que vender los coches (análisis predictivo).
  • En el tutorial se usa un dataset de automóviles que hay de prueba donde claramente se ve el precio de los coches y el resto de características de los coches.
Conjunto de datos inicial donde está el precio

Conjunto de datos inicial donde está el precio

  • Si seguimos el tutorial vamos añadiendo módulos para procesar los datos, definir reglas, aplicar algoritmos de aprendizaje, predecir un precio…
Módulos de Azure Machine Learning Studio

Módulos de Azure Machine Learning Studio

  • A medida que vamos añadiendo módulos, vemos cómo aparece el esquema de todos los pasos y las conexiones entre unos y otros.
Esquema con todos los módulos en Azure ML

Esquema con todos los módulos en Azure ML

  • Uno de los pasos más importantes, es añadir los algoritmos de aprendizaje. Si seleccionamos el módulo de Machine Learning, podemos encontrar multitud de estos algoritmos y que son los que nos van a permitir predecir el valor del precio.
Algoritmos de regresión

Algoritmos de regresión

Algoritmos de clasificación

Algoritmos de clasificación

 

  • Una vez tenemos los pasos bien definimos, los algoritmos seleccionados… entrenamos el experimento para que la máquina “aprenda”, osea que se aplique el algoritmo a los datos, para que en este caso, prediga el valor de venta de los coches. Para ello disponemos del botón Run.
Entrenar a la máquina

Entrenar a la máquina

  • Una vez entrenado el conjunto, podemos volver a abrir el dataset y veremos los datos predichos. En este caso vemos la columna del precio y el valor predicho de venta según el algoritmo de aprendizaje.
Dataset con los datos predichos

Dataset con los datos predichos

 

 

  • Como cualquier experimento, también podemos saber el error que hemos cometido
Error cometido en el análisis de los datos

Error cometido en el análisis de los datos

 

Y aquí es donde podemos ver realmente la utilidad del machine learning, osea el poder aplicar algoritmos del  aprendizaje automático a nuestros datos diarios de la empresa, para por ejemplo poder predecir cómo irá una futura venta, a analizar a qué precio voy a tener que vender un nuevo producto para ser más competitivo.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: