Cómo aprender el aprendizaje automático
— ¿Cuál es tu experiencia? ¿Qué hacías antes del aprendizaje automático? Cómo
— Dirijo el negocio de servicios de Sethi.tecnologías Brindamos a nuestros clientes soluciones basadas en aprendizaje automático e inteligencia artificial. En los últimos dos años, hemos trabajado con algunas de las compañías más grandes de Fortune 500.
Siempre me han fascinado los datos.Esto determinó mi elección; después de eso, comencé a buscar conocimientos, habilidades y experiencia en el campo del aprendizaje automático a través del aprendizaje basado en proyectos. Esto me dio la oportunidad de convertirme en un experto en aprendizaje automático en Education Ecosystem, un ecosistema de aprendizaje descentralizado que enseña a profesionales y estudiantes universitarios a crear productos reales.
“Si los datos, la automatización y los algoritmos son de interés, entonces el aprendizaje automático es una opción de carrera rentable”
¿Cómo empiezan las personas a aprender el aprendizaje automático? ¿No es ésta un área donde se necesitan conocimientos fundamentales y muchos años de educación?
— Conocimientos fundamentales en el campoprogramación son una ventaja añadida, de lo contrario la curva de aprendizaje será demasiado empinada. El aprendizaje automático también es el componente principal de las áreas de más rápido desarrollo: Big Data, análisis predictivo, minería de datos y estadística computacional.
Si los datos, la automatización y los algoritmos llamaninterés, entonces el aprendizaje automático es una opción de carrera rentable. Tomar un programa o curso estructurado es una de las mejores maneras de aprender el aprendizaje automático desde cero. La gran demanda en esta industria ha dado como resultado cientos de cursos presenciales y en línea.
— ¿Qué puede aconsejar a los desarrolladores y analistas que quieran desarrollarse en esta área?
– El aprendizaje automático tiene el potencial de haceraplicaciones más potentes y más sensibles a las necesidades del usuario. Los desarrolladores que quieran implementar el aprendizaje automático en las aplicaciones necesitan saber algunas cosas clave para ayudarlos a tener éxito:
- Cuantos más datos tiene un algoritmo, más preciso se vuelve, así que evite el submuestreo siempre que sea posible.
- Elegir el mejor método de aprendizaje automático para un problema es clave y, a menudo, determina el éxito o el fracaso.
- Los modelos de aprendizaje automático solo pueden ser buenos cuando los datos son buenos.
- Comprender las características de los datos y mejorarlas (creando nuevas y eliminando las existentes) tiene un gran impacto en la previsibilidad.
- ¿Dónde se puede aprender? ¿Tal vez en cursos o escuelas?
— Afortunadamente, hoy en día hay muchas plataformas.aprendizaje en línea como el Ecosistema Educativo donde puede aprender diferentes conceptos de aprendizaje automático e inteligencia artificial. En Education Ecosystem, puede aprender de desarrolladores expertos a través de proyectos que incluyen tutoriales y recursos de proyectos. Por ejemplo, creé varios proyectos como este:
- Recuperación de imágenes por similitud usando Tensorflow y Keras
- Transferencia de estilo neuronal usando Keras y Tensorflow
- Cómo hacer la detección de rostros usando OpenCV Haar Cascades
Qué negocio necesita y cuál no necesita IA
— ¿Cómo “vende” IA y aprendizaje automático a las empresas y cómo mejoran su trabajo? ¿Por qué cree que los negocios se han vuelto más científicos?
— Los algoritmos de aprendizaje automático pueden repetiraprender basado en el conjunto de datos proporcionado, comprender patrones, comportamiento. Este proceso es iterativo y mejora constantemente, lo que ayuda a las empresas a cambiar constantemente para satisfacer las necesidades de los negocios y los clientes.
"Los algoritmos de aprendizaje automático pueden aprender iterativamente de un conjunto de datos dado"
¿Qué compañías se adaptarán y no se adaptarán? ¿Qué problemas se pueden resolver con su ayuda?
— Sobre todo, las empresas necesitan el aprendizaje automático,que se ocupa de la clasificación de imágenes, el análisis de texto o el modelado predictivo. Para otros tipos de negocios, los algoritmos se pueden entrenar para recomendar algo al usuario, recopilar datos, usar aprendizaje profundo y redes neuronales. En la industria de servicios, los algoritmos se pueden entrenar como un administrador de la mesa de ayuda a través del procesamiento del lenguaje natural basado en las quejas comunes de los clientes.
— En esta zona, casi todos los días aparece algo nuevo. ¿Cómo hacer un seguimiento de lo que está sucediendo, a qué prestar especial atención?
— Un informe reciente de Indeed encontró que las ofertas de trabajoLos ingenieros de aprendizaje automático están por delante de todos los demás en salario, demanda y crecimiento. El documento también señaló que la demanda de ingenieros de aprendizaje automático aumentó en un 344%.
Esta área es tan importante porquepermite a las empresas ver las tendencias en el comportamiento de los clientes y los patrones operativos comerciales, promueve el desarrollo de nuevos productos. Muchas de las empresas líderes como Facebook, Google y Uber están haciendo del aprendizaje automático una parte central de sus operaciones. El desarrollo profesional continuo ayudará a los profesionales a aprovechar la alta demanda y la poca oferta en esta industria.
— El aprendizaje automático se usa a menudo en el análisis de big data. ¿Qué productos innovadores aparecerán aquí?
Big data se ha vuelto importante ya que muchosLas organizaciones, tanto públicas como privadas, recopilan grandes cantidades de información en áreas específicas. Fusionar el aprendizaje automático y el big data es un proceso interminable. Veremos cómo se aplican los algoritmos de aprendizaje automático a cada elemento del trabajo con big data, incluida la segmentación, el análisis de datos y el modelado.
— ¿Qué nichos de libre mercado están asociados con el desarrollo del aprendizaje automático y la IA?
- La inteligencia artificial es un gran avancetecnología reciente. Hay muchas áreas de nicho en las que la IA está teniendo un impacto significativo. Hay otras aplicaciones de nicho que no están cubiertas en los medios, pero sí en publicaciones científicas. En los próximos años, recibirán el mayor desarrollo, estos son educación, construcción y planificación, entretenimiento y análisis deportivo.
— ¿Cómo ve el desarrollo del aprendizaje automático? ¿Cómo puede ayudar a las personas, las empresas, los estados?
— El aprendizaje automático ayuda a las empresasutilizar el mantenimiento preventivo para reducir las averías de los equipos y aumentar las ganancias. A medida que crece la demanda de capacidades de procesamiento de datos grandes y complejos, el aprendizaje automático ayudará a las empresas a utilizar los datos de los consumidores para crear perfiles de clientes útiles, aumentar las ventas y generar lealtad a la marca.
El aprendizaje automático apenas está comenzando a desarrollarse. Todas las cosas más interesantes están por delante.
¿Cuáles son los conceptos erróneos más grandes sobre big data y aprendizaje automático?
- El mayor error esque los modelos de aprendizaje automático pueden resolver todos los problemas de este mundo. Una de las citas más famosas sobre el aprendizaje automático proviene de Dave Waters: “Un bebé aprende a gatear, caminar y luego correr. En el campo del aprendizaje automático, estamos en la fase de rastreo”.
En el proceso de aprendizaje automático siempre habrápersona involucrada. Pero hay una advertencia aquí. Con algoritmos mejorados, podremos eliminar completamente la participación humana después de entrenar un modelo de aprendizaje automático específico.
- No todos se mantienen al día con los avances en esta área. ¿A qué debemos prestar atención?
— Últimos desarrollos en el campo de la máquinaEl aprendizaje actual es el aprendizaje automático automatizado (AutoML), la gestión de la operacionalización del aprendizaje automático (MLOps), el aprendizaje automático sin código y el desarrollo de aprendizaje automático de código bajo. Son conceptos que darán lugar a proyectos muy prometedores en los próximos años.
— ¿Cuáles son los problemas a corto y largo plazo del LA? ¿Qué pasa con el sesgo de los desarrolladores, las malas intenciones y los estándares éticos que no se pueden escribir ni formalizar?
— Los mayores desafíos en el aprendizaje automático —es la falta de recursos calificados, la falta de datos de calidad y la comprensión de qué procesos deben automatizarse. Hasta que tengamos datos limpios y confiables, los profesionales del aprendizaje automático seguirán enfrentando desafíos en el desarrollo de algoritmos y sistemas que satisfagan las necesidades exactas para las que fueron creados.
- ¿Cuándo y en qué área se mostrará la inteligencia artificial de la manera más interesante?
— La inteligencia artificial está dando forma al futurohumanidad en casi todos los sectores. Ya es un importante impulsor de tecnologías emergentes como big data, robótica e IoT, y seguirá siendo un innovador tecnológico en el futuro previsible. Hoy en día, es difícil elegir un área específica, dado que todas las industrias hoy en día trabajan con grandes cantidades de datos y tienen diferentes necesidades de automatización.
Lee mas:
Los arqueólogos han confirmado oficialmente las leyendas de la Biblia
Hallaron la tumba de la "sacerdotisa" de Afrodita: científicos mostraron lo que encontraron allí
Los científicos han visto lo que hay en el territorio de la capital maya. El hallazgo los sorprendió.