Definición de Machine Learning. Tom Mitchell da la siguiente:
Un programa informático que aprende de la experiencia E respecto a cierta clase de tareas T, y una medida de rendimiento P, si su rendimiento en las tareas T, medido por P, mejora con la experiencia E.
El libro Machine Learning de Tom Mitchell (1997) está disponible para su descarga gratuita en la web del Dr. Reza Monsefi de la
Ferdowsi University Of Mashhad (FUM), Mashhad, Irán .
Aunque sigo picando de distintas fuentes sobre aprendizaje automático, he encontrado un curso bastante interesante en Coursera. Se trata del curso Aprendizaje Automático ofrecido por la Universidad de Stanford. Es gratuito si no deseas recibir una certificación, y dispone de subtítulos en español generados por la comunidad, aunque recomiendo cursarlo en inglés porque la traducción no está demasiado lograda. El instructor es Andrew Ng. Puedes inscribirte en https://www.coursera.org/learn/machine-learning
Para empezar a «romper mano» con el ML, un comienzo sencillo puede ser un videotutorial. A mí me parece interesante el tutorial de YouTube del canal AMP Tech. Para poder seguirlo de una forma activa, necesitamos tener instalado en nuestro equipo Python y algunas bibliotecas específicas. Si no sabes programar en Python, hay multitud de cursos y manuales disponibles. Yo recomiendo el programa Python for Everyone de Coursera que es donde yo aprendí. El instructor, Charles Severance, es una pasada.
Si no tenemos nada instalado en el equipo, lo más sencillo es descargarse la distribución Anaconda. No obstante, si solo quieres instalarte Python y las bibliotecas necesarias, estos son los pasos a seguir.
Primero descargamos Python de www.python.org/downloads. En el momento de redactar este texto la última versión es la 3.7.
Tras descargar e instalar como cualquier aplicación,Para ello, pulsamos el icono de Inicio de Windows y tecleamos cmd y pulsamos Enter. Se abrirá la ventana de comandos. Escribimos python, y accedemos a la consola de Python, comprobando que se ha instalado sin problemas. Cerramos la ventana.
Ahora vamos a añadir las bibliotecas que necesitaremos, Numpy , SciPy ySklearn. Para instalar Numpy, abrimos de nuevo la consola con cmd, y escribimos python -m pip install numpy . Nos debería salir una pantalla como la siguiente. Nota que me advierte en amarillo de que tengo el programa PIP obsoleto, eso no tiene por qué salir en tu caso.
Para instalar SciPy , escribimos python -m pip install scipy :
Para instalar Scikit-learn, escribimos pip install -U scikit-learn :
Y con esto, todo debería funcionar sin problemas. Como editor puedes usar uno genérico como Notepad ++ o escribir en el IDLE de Python ,que por lo que sé, se instala automáticamente con Python. Yo he optado por Jupyter Notebook, que va incluido en Anaconda y me permite seguir el tutorial tal y como lo van explicando, pues es el que emplea el instructor.
This post was originally published in spanish in March of 2019.
In the last months, I’ve been learning about Machine Learning (ML). The potential of this technology to predict the failures of a equipment drives me El potencial de esta tecnología de cara a predecir las fallas en los equipos me tiene fascinado. El mantenimiento predictivo es antiguo ya, y las tecnologías disponibles para adquirir los datos no solo están maduras, sino que por fin comienzan a estar disponibles a precios asequibles. No obstante, lo que nunca he tenido claro era la viabilidad de su aplicación al mundo real. O bien necesitabas pagar sumas astronómicas por un software complejo de utilizar, o bien tenías que emplear un tiempo del que no dispones para trabajar con los datos y tratar de extraer información valiosa de los análisis estadísticos. Sin embargo, el ML es prometedor y por ello ando recopilando información de donde puedo. A continuación algunos enlaces interesantes: