#GlobalAzure

Machine Learning para aprovecharlas redes socialesAdrián Díaz Cervera

Santiago Porras Rodríguez

http://geeks.ms/blogs/adiazcervera

http://blogs.encamina.com/desarrollandosobresharepoint

adiaccer@gmail.com

@AdrianDiaz81

http://geeks.ms/blogs/santypr

http://blogs.encamina.com/en-tu-casa-o-en-la-mia/

sporras@encamina.com

■¿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

¿Qué no es 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?

■Odisea en el espacio (2001)

■Skynet

■Minority Report

¿Ciencia Ficción o Realidad?

Azure Machine Learning Workflow

■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

■Supervisado

■Sin supervisión

Aprendizaje

■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

Cortana

Redes Sociales

Otros Ejemplos de Aplicación

■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

Palabra de Julio

■Que es Machine Learning

■Casos Practicos

■Realidad y no Ficción

■Fácil, simple y eficaz

Resumen

¿Preguntas?

Thanks!