Con las “Machine Learning Guides“, Google muestra cómo se debe implementar el aprendizaje automático

Google es una de esas empresas que sabe exactamente cómo implementar el aprendizaje automático (ML, Machine Learning) y tiene mucha experiencia en el campo. Con su curso “Machine Learning Guides”, también ofrecen a los recién llegados a esta área una buena introducción al tema, en el que tampoco se descuida el aspecto humano.

Una introducción integral al aprendizaje automático

Google divide esta introducción en cuatro áreas, que representan una base amplia. Normalmente la técnica domina en este tipo de cursos para principiantes. Pero el gigante de Silicon Valley también tiene en mente a las personas, porque no son pocos los que ven la Inteligencia Artificial como un peligro.

Así, tiene sentido y vale la pena emular cómo lo está haciendo Google. La atención se centra en los clientes: el uso de la Inteligencia Artificial se basa en sus necesidades. Por lo tanto, la introducción comienza con la “People + AI Guidebook”.

Personas e Inteligencia Artificial

En seis capítulos, Google describe, basándose en los datos que ha recopilado ella misma, cómo se debe introducir la IA en su propio producto. Para que las personas tengan la mayor parte de la tecnología. Después de todo, además de los desafíos técnicos, la desconfianza humana también está presente, y los buenos equipos de productos también deben ocuparse de eso.

¿Cuál es el problema del cliente que queremos solucionar con nuestro producto? ¿Puede la IA ayudarnos con esto y, de ser así, de qué manera? ¿Cómo explicamos el uso de la IA a nuestros clientes? ¿Cómo generamos confianza en nuestro enfoque? ¿Cómo transmitimos los errores que puedan ocurrir a nuestros clientes?

Estas son preguntas que se discuten en esta área, y solo las respuestas a ellas muestran el camino para los siguientes capítulos.

Reglas de aprendizaje automático

Ahora, Google lleva mucho tiempo en el campo del aprendizaje automático y, según su propio comunicado, “ya ha cometido todos los errores”. Para que los errores no se repitan, los ingenieros de Google han compilado una lista de reglas bajo “Rules of ML” que deben observarse antes y durante la implementación de la IA.

Por ejemplo, no temer llevar al mercado un producto que no sea compatible con el aprendizaje automático. Debe darse la máxima prioridad a la recopilación de datos. Para ello, es suficiente un enfoque convencional, que en caso de duda es más fácil de entender y mantener. Solo cuando nuestro propio objetivo y el de nuestros clientes sea claro, y haya suficientes datos utilizables disponibles, el uso de Machine Learning (ML) puede elevarnos a un nivel superior.

Estas y muchas otras reglas se resumen aquí. Si se toma esto en serio, podemos comenzar a usar ML, por ejemplo, al clasificar texto.

Clasificar texto

El ejemplo ahora clásico de clasificación de texto es la detección de correos electrónicos publicitarios no deseados: spam. En esta introducción, Google muestra cómo seleccionar un modelo de aprendizaje automático mediante la recopilación y el análisis de datos, y cómo preparar los datos para el uso de este modelo. Luego, el modelo se entrena y se prueba hasta que se prepara para un uso productivo.

Análisis de datos significativo

La recopilación y el procesamiento de datos es absolutamente esencial, pero la interpretación y el análisis de los resultados son cruciales. Google entra en esto en el último capítulo, “Good Data Analysis”.

En particular, se trata de en qué supuestos posiblemente ocultos se basan los datos, y dónde se encuentran los límites de la interpretabilidad de los resultados.

“Machine Learning Guides“