Introducción a Machine Learning, MOOC de Miriada X

Una pequeña entrada simplemente para comentaros que ayer finalicé el MOOC “Introducción a Machine Learning”, de MiriadaX. Como siempre no he pedido el certificado pero os pongo el pantallazo del progreso y las notas:

Si, en la última evaluación tengo un 60%… las prisas que no son buenas 🙂

Como conclusión del MOOC os diré que me ha gustado bastante, en mi opinión está muy bien elaborado y los vídeos son muy didácticos, la presentadora hace un esfuerzo muy importante por explicar las cosas de forma muy clara, y lo consigue.

A nivel personal quería hacer este curso para entender de primera mano el potencial del Machine Learning (ML), o Aprendizaje Automático en castellano, con un pequeño curso introductorio que profundizará no sólo en aspectos teóricos sino también prácticos. Hasta ahora había leído mucho de su potencial, e incluso escrito alguna entrada en ” A un clic de las TIC” al respecto de su utilización y la relación con el futuro del trabajo y las herramientas de comunicaciones unificadas y colaboración, pero quería profundizar en aspectos más técnicos.

A modo de resumen destacaría lo siguiente:

  • He aprendido cómo adaptar los datos de que se dispone para que puedan ser utilizados por los algoritmos de ML, como son los procesos de de-normalización, agregación, pivoting, ventanas temporales, etc…
  • El tipo de preguntas del que podemos esperar una respuesta adaptando los datos convenientemente (feature engineering).
  • Las dos grandes clasificaciones que podemos hacer respecto a los algoritmos utilizados en ML, el aprendizaje supervisado y el no supervisado.
  • La utilización de algunas técnicas concretas como parte de los dos modos de aprendizaje anteriores, en concreto:
    • Sobre aprendizaje supervisado vimos la clasificación y regresión a través de árboles de decisión como ejemplo de modelos predictivos.
    • Sobre aprendizaje no supervisado vimos modelos para segmentación, creando clústers con un número desconocido de grupos al principio (g-means) y conocido después (k-means), la detección de anomalías a través del algoritmo de isolation forest, finalmente vimos modelos de reglas de asociación o association rules.
  • A nivel más practico, me ha gustado mucho utilizar una herramienta como BigML, con la que con un sólo click enseguida podíamos empezar a tener información relevante de nuestros datos.

Sin duda ha sido un tiempo bien empleado, pretendo seguir profundizando en dicho cambio de la inteligencia artificial y el machine learning y espero poder utilizarlo en el ámbito profesional en el que me muevo, las comunicaciones unificadas y la colaboración, ya que creo tiene bastante potencial.

 

 

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s