Upload
adrian-diaz-cervera
View
97
Download
0
Tags:
Embed Size (px)
Citation preview
#GlobalAzure
Machine Learning para aprovecharlas redes socialesAdrián Díaz Cervera
Santiago Porras Rodríguez
http://geeks.ms/blogs/adiazcervera
http://blogs.encamina.com/desarrollandosobresharepoint
@AdrianDiaz81
http://geeks.ms/blogs/santypr
http://blogs.encamina.com/en-tu-casa-o-en-la-mia/
■¿Que és Machine Learning?
■Conceptos Cores
■Aplicaciones que la utilizan
■El lenguaje R
■Experimentos con Twitter
■Experimentos con Linkedin
■Q & A
Agenda
■Conjunto de técnicas pertenecientes a la inteligencia artificial cuyo objetivo es permitir que las máquinas “aprendan”.
■Su objetivo es predecir un resultado partiendo de un conjunto de información.
■Intenta obtener los patrones de comportamiento y especialmente “generalizar”, es decir, predecir como serán los nuevos casos basándose en la experiencia anterior.
Machine Learning
■Generalización: capacidad de utilizar la experiencia adquirida en un conjunto de información de ejemplo, y propagarla hacia nuevos casos y nuevas experiencias.
■Tenemos algoritmos para casi todo: unos que buscan los patrones de cambio, otras que simplemente clasifican y otras que aplican la experiencia.
■Aplicaciones infinitas: traducción, búsquedas, comportamientos de mercado, tiempo, Big Data, Minería de Datos, detección de fraudes
¿Cómo funciona el Machine Learning?
■Data: Todo acerca de los datos. Adquirir, compilar y analizar las pruebas
■Modelo: Utilizar diferentes algoritmos de aprendizaje para crear nuevos modelos
■Evaluar el modelo: Examinar la exactitud de los modelos para predecir el resultado correcto
■Refinar el modelo: Comparar, contrastat y combinar modelos alternativos
■Desplegar el modelo: Crear un servicio web escalable
■Testear : Comprobarlo en un entorno productiov
Azure Machine Learning Workflow
■ClasificationEstos se utilizan para clasificar los datos en diferentes categorías que luego pueden ser usados para predecir una o más variables discretas, basadas en los otros atributos del conjunto de datos
■RegresionEstos se utilizan para predecir una o más variables continuas, como resultado del ejercicio, sobre la base de otros atributos del conjunto de datos.
■ClusteringEstos determinan agrupaciones naturales y patrones en los conjuntos de datos y se utilizan para predecir las clasificaciones de agrupación para una variable dada.
Tipos de Algoritmos
■Es un lenguaje de programación muy popular para el análisis de datos, desarrollo de modelos estadísticos y aplicaciones gráficas.
■Open Source
■R Studio
■Integración con Python
Language R
■Basado y aplicando Graph su reto es priorizar la información vinculada a mí desde distintos orígenes de contenido (Exchange Online, Onedrive, SharePoint y Yammer).
Office Delve
■Filtra los mensajes que llegan a la Bandeja de Entrada y los organiza según los criterios del usuario de forma automática.
■NO se trata de aplicar una serie de reglas predefinidas, sino que aprende por sí mismo lo que es importante y lo que no lo es, observando nuestras costumbres y preferencias para repetirlas automáticamente a posteriori
Clutter
■Reducir complejidad
■Accesible a traves del un navegador
■Colaborativo, trabajar en equipo via AzureWorkspace
■Composición Visual
■Posibilidad de llevar modelos a producción
■Soporte de R
Azure Machine Learning
■Testeo rapido de nuevas funcionalidades y algoritmos.
■Biblioteca de Modelos
■Compartir, buscar, reutilizar
■Rápido Deploy como Azure web service
Azure Machine Learning