1.1 - Introducción al Aprendizaje Automático

Julio 10, 2021 por Miguel Sotaquirá

Lección 1 de la sección “Introducción al Deep Learning” del curso Fundamentos de Deep Learning con Python.

Introducción

En esta primera lección del curso veremos cómo funciona un programa de computador típico, y luego hablaremos de un ejemplo de un sistema de reconocimiento de voz que hace uso del Machine Learning. Con este ejemplo tendremos una intuición acerca de lo que es el aprendizaje de máquina (o Machine Learning).

Un software de computador típico

Consideremos una aplicación de e-commerce en donde el usuario interactúa con una interfaz web (a la cual accede a través de su navegador web) y que le permite realizar la compra de un producto. Si analizamos en detalle el proceso de compra, veremos que es una serie de pasos o reglas que se pueden codificar de manera explícita en un programa de computador convencional, y por tanto no necesitamos del Machine Learning.

Intuición acerca del Machine Learning

Analicemos ahora una aplicación totalmente diferente: el sistema Siri de Apple. ¿Cómo es capaz este sistema de, entre muchas frases, interpretar por ejemplo “Hola Siri” y entender que necesito su ayuda?

Si analizamos este sistema veremos tendrá una entrada (la señal de audio donde cada segundo de grabación contendrá 44.000 muestras), el “programa de computador” (encargado de detectar en qué ubicaciones de la entrada es pronunciada la frase “Hola Siri”) y una salida (indicando si fue o no pronunciada la frase clave, “Hola Siri”).

El problema es que en realidad no es posible programar el computador de manera explícita para que sea capaz de detectar correctamente la frase clave. Y esto se debe a que variables como el acento del hablante, su entonación o incluso el ruido de fondo son muy cambiantes. Estas variables hacen que las características de la señal de audio no sean siempre las mismas, y que por tanto no podamos crear un código que funcione correctamente en diferentes entornos.

En lugar de estas reglas podemos crear un programa “flexible”, que en lugar de llevar a cabo una serie de pasos, aprenderá a detectar ciertos “patrones” en la señal de audio para posteriormente detectar adecuadamente la frase clave en diferentes entornos.

La idea es entonces la siguiente:

1. Presentar al “programa flexible” muchos datos (miles, cientos de miles o incluso millones). Cada uno de estos datos contendrá una entrada (la señal de audio) y por ejemplo una categoría que nos indicará si el audio contiene o no la frase clave (“Sí” o “No”)
2. Iterativamente ajustar unas “perillas” en ese “programa flexible” para así obtener la salida (categoría) deseada
3. Repetir los pasos (1) y (2) hasta que el “programa flexible” funcione correctamente para la mayoría de los datos

Entonces lo que buscamos es lograr que este “programa flexible” aprenda a identificar patrones en los datos, o que simplemente aprenda de los datos

Y en esencia esto es el Machine Learning: es lograr que una máquina aprenda a partir de la experiencia, es decir a identificar patrones en los datos que está procesando.

Así que en este curso veremos los elementos fundamentales de un área específica, y muy poderosa del Machine Learning: el Deep Learning (o Aprendizaje Profundo), que ha revolucionado áreas como la visión artificial, el procesamiento del lenguaje natural, la salud e incluso la genómica y la biología.

Conclusión

En la siguiente lección vamos a formalizar algunas de las ideas que acabamos de discutir, donde usaremos la terminología propia del Machine Learning para definir los elementos básicos de un sistema de Deep Learning

Ver todas las lecciones de este curso