/ machine learning

Importancia de aprender machine learning (begginers)

Machine learning es una ventaja que no está siendo utilizada por todos, y algunas de las razones son:

  • Desconfianza de las empresas para invertir / arriesgarse por un desarrollo de ese tipo.
  • Falta de capacitación por parte de los desarrolladores

Como desarrollador, podemos hacer un primer esfuerzo y tratar de al menos entender los conceptos básicos de este tema, para tener la confianza necesaria como para impulsar al negocio a invertir en un laboratorio de este tipo

Hoy en día, existe una gran variedad de librerías y frameworks que contienen una cantidad enorme de algoritmos para distintos objetivos, cortando así la necesidad de entender a nivel de detalle lo que pasa dentro. Esto es importante como un primer acercamiento, ya que si logramos entender los conceptos, sabremos la importancia de ellos, y finalmente nos impulsaremos a aprenderlos

Aquí algunos ejemplos

Recomendaciones

Si trabajas para un comercio, seguro has notado el esfuerzo enorme que hace el equipo de marketing para llegar a los clientes de manera personalizada. También, seguramente has visto sitios en los cuales muestran productos recomendados, hay muchas formas de hacer esto

Si una persona se describe por las compras que esta ha hecho. Y a su vez, una compra se constituye por otro grupo de productos, entonces podemos decir que tenemos una forma de discriminar tipos de usuarios

El tipo de estrategia en Machine Learning para identificar este tipo de patrones es clustering, la idea detrás de esto, es formar grupos o clusters, que podamos usar como base, en este caso, para recomendar un producto

Predicciones

Para hacer uso más efetivo del dinero que una empresa tiene, es necesario estar lo más seguros posibles de que las decisiones que tomamos son las adecuadas. Ahora bien, es cierto que no podemos predecir el futuro, pero al menos podemos tomar predicciones educadas, basadas en información de experiencias pasadas

Las predicciones tienen muchos colores y sabores para ser resueltas, pero la elección de algún algoritmo específico será en base a los siguientes puntos:

  • Cantidad de información
  • Disponibilidad de procesamiento

El funcionamiento usual de un algoritmo para predicción es mediante entrenamiento y prueba. Para esto conseguiremos ejemplos reales que sirvan como base de conocimiento, separaremos la información para poder entrenar un modelo y probarlo para saber qué tan preciso es. Este es el concepto base de una predicción, si deseas comenzar con algo sencillo, te recomiendo leer sobre regresiones, posiblemente regresión lineal sea la más conocida y fácil de entender

Por ejemplo, predecir las ventas que tu panadería tendrá el siguiente mes: considera X ser el tiempo en que ocurrió cada venta y Y la cantidad vendida, una regresión intentará trazar una línea sobre todos los puntos de las ventas, formando así un patrón visual que te permite señalar donde estará el siguiente punto (la venta que deseas predecir)

linear_regression

Recomendación

Existe mucha información sobre Machine Learning, y usualmente los métodos más "famosos" que encuentras son muy complicados. Te recomiendo que comiences con cosas sumamente sencillas, como:

  • Identificar si una cerveza es buena por su información
  • Predecir las ventas de un negocio pequeño en base a las ventas previas de un año

Una vez que tengas los conceptos de clasificaciones y predicciones, entenderás por qué a estos se les conoce como Aprendizaje reforzado

Del lado técnico, python es un gran lenguaje para comenzar a solucionar este tipo de problemáticas, porque cuenta con un gran soporte de librerías para esto

Eventualmente llegarás a la realización de que utilizar cierta librería o algoritmo está llevando mucho tiempo en ser procesado, o tal vez los resultados ya no son tan cercanos a algo considerado aceptable, es aquí cuando tienes que aprender aún más, pero al menos ya entenderás los tipos de herramientas que necesitas para resolverlos y podrás abrirte camino para encontrarlos