He aquí dos magníficos tutoriales para introducirse en el maravilloso mundo del aprendizaje automático (machine learning). Lo mejor de todo es que no hay que tener grandes conocimientos de programación, matemáticas o estadística – aunque todo eso ayuda, claro. Básicamente permiten entender cómo funcionan las herramientas de aprendizaje estadístico con ejemplos visuales, sin entrar en grandes detalles.
De este tutorial creado por Stephanie Yee de R2D3 y el diseñador Tony Chu de Noodle AI –visualmente espectacular, todo sea dicho– de momento se han publicado dos partes, a cual más interesantes:
La primera parte presenta los conceptos y técnicas básicas, incluyendo un pequeño modelo de ejemplo, y la segunda cómo afinar esos modelos e intentar evitar los sesgos de los que adolecen muchos de estos sistemas.
El ejemplo sobre el que se trabaja es un clasificador alimentado con información inmobiliaria; debe predecir con algunos datos si una vivienda concreta (altitud, precio por metro cuadrado, año de construcción, etcétera) está situada en Nueva York o en San Francisco. El modelo es bastante preciso (~90%) pero la varianza suele producir sesgos y lo complicado es encontrar el equilibrio entre algo «extremadamente simple» y algo «demasiado escrupuloso».
Lo mejor de todo es que al final tiene un Continuará… así que podremos seguir disfrutando de materiales tan didácticos como amenos.
Relacionado:
- Curso intensivo de Google sobre aprendizaje automático e inteligencia artificial (en español)
- Los lenguajes de programación más populares en aprendizaje automático (machine learning): Python, R, Java, JavaScript y C
- Cómo funcionan el aprendizaje automático, las redes neuronales y el aprendizaje profundo
- Esta aplicación web permite experimentar con el aprendizaje automático sin programar
