(Machine) Learning from Data
Diseñador de arquitecturas de aprendizaje automático profundo, inmerso en la extracción de conocimientos mediante el aprendizaje multidimensional de datos. Actualmente centrado en la investigación, el desarrollo, y la implementación de procesamiento cognitivo, también conocido como inteligencia artificial, basado en el Sistema 1 y el Sistema 2 utilizando arquitecturas de redes neuronales profundas.
Jacobo León @jacoboggleon
🎰Deep-Learning-focused Data Scientist🧠
Agenda
- La percepción del entorno como inspiración para la búsqueda del conocimiento
- ¿Cómo percibimos el mundo?
- ¿Cómo abstraemos nuestra percepción?
- ¿Cómo sistematizamos nuestra percepción?
- ¿Cómo modelamos "la percepción del entorno"?
- Aprendizaje automático
- Calidad de datos
- Desarrollo de sistemas inteligentes
- Conclusión
- Discusión
Datos
Información
Tarea: segmentación de objetos
Proceso
inteligente
Inteligencia Artificial es "pensar" como un proceso computacional. Es "procesamiento cognitivo".
Hipótesis inicial
🐵
🐵
🐵
🤖
Supuestos:
- El entorno es generador de entropía multivariable representado por datos conteniendo información.
- El agente aprende de la experiencia de los datos por aproximación de habilidades (tareas).
- Se puede generar y productivizar conocimiento vía asistencia de un agente.
Hechos conocidos, sin procesar, que podrían registrarse y almacenarse, a partir de los cuáles se produce información.
Datos
- Recopilamos datos (observables del entorno) con nuestros sensores
- Procesamos los datos para obtener información y reglas abstractas
- Almacenamos la información y las esas reglas abstractas
- Controlamos nuestras acciones en ese entorno
- Recordamos y usamos estas reglas cuando es necesario
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo percibimos el mundo?
Deducción
Inducción
Recolectar datos
Procesar datos
Controlar las acciones
Almacenar patrones
Recordar las reglas
Usar las reglas
Encontrar patrones
¿Cómo abstraemos nuestra percepción?
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo sistematizamos nuestra percepción?
Los datos como recurso artificial (digital):
- Valor de utilidad
- Información
- Valor de intercambio
- Producto
R: metodología de análisis de datos (multivariables)
La percepción del entorno como inspiración para la generación de conocimientos
¿Cómo modelamos "la percepción del entorno"?
Statistical learning
Machine learning
Deep learning
R: métodos y arquitecturas de aprendizaje automático
La percepción del entorno como inspiración para la generación de conocimientos
Datos
(experimentales)
Método de aprendizaje
Parámetros
Distribución desconocida
Modelo
(basado en datos)
Propuesta de solución
Función desconocida
Generalización
53%
47%
Aprendizaje automático
Entrenamiento
Implementación
Aproximación
Modelo
Modelo
Datos iid observados
Modelo
Datos iid/ood no observados
Validación
Error
Aproximación
Aproximación
80% - preparación de datos
20% - modelado
Encontrar un modelo robusto
Obtención y preparación de datos de alta calidad
Tiempo y atención
Calidad de datos o asegurar la comida para la IA
Desarrollo de sistemas inteligentes
Software tradicional
Software inteligente
Definir
Desarrollar
Desplegar
Modelar
Definir
Desarrollar
Desplegar
Tarea: análisis exploratorio de datos
Método de aprendizaje automático:
Tarea: análisis exploratorio de datos
Conclusión
- Análisis de datos multidimensionales
- Solución de problemas de decisión basado en la experiencia de los datos
- Aprendizaje automático para la extracción de conocimiento
- Sistemas inteligentes como servicio
- Investigación y desarrollo
Discusión
Si tuvieras el súperpoder de adivinar el futuro... ¿para qué lo usarías?
¡Gracias!
@jacoboggleon
(Machine) Learning from Data
By jacoboggleon
(Machine) Learning from Data
- 97