Krypton Solid

La última tecnología en raciones de 5 minutos

La automatización del aprendizaje automático pone los modelos analíticos en piloto automático

Si alguna vez ha intentado escribir modelos de aprendizaje automático, sabe lo complicados que pueden ser. Pero eso puede no ser una gran preocupación en un futuro no muy lejano.

Esto se debe a que los proveedores de software están insertando cada vez más la funcionalidad de aprendizaje automático en sus aplicaciones, automatizando los procesos de aprendizaje automático para los usuarios que carecen de conocimientos de ciencia de datos.

«Nunca vi que este tipo de cosas fueran parte de mi carrera», dijo Julia Kurnia, fundadora de Zidisha Inc., una servicio de microcrédito con sede en Sterling, Virginia. Zidisha utiliza software de DataRobot Inc. para ejecutar modelos de aprendizaje automático que evalúan la solvencia de los solicitantes y los califican por riesgo de fraude.

Kurnia, quien tiene títulos en ciencias políticas y economía, dijo que adquirió algunas habilidades básicas de codificación SQL a lo largo de los años, pero encontró que la ciencia de datos es un hueso más difícil de romper. Su organización sin fines de lucro, que comenzó como una operación de dos personas, tenía pocos recursos para contratar a un científico de datos. La organización se basó en los esfuerzos de los voluntarios durante un tiempo, pero fue difícil desarrollar un enfoque coherente para sus necesidades de aprendizaje automático.

No se necesita experiencia en aprendizaje automático

Ahora, Kurnia puede utilizar modelos de aprendizaje automático que son ggenerado automáticamente por el software DataRobot. Carga los datos generados durante el proceso de solicitud, junto con los datos del sitio web de Zidisha, y le dice al software basado en la nube lo que quiere aprender de él. El software automatiza la selección del modelo y ejecuta el modelo de aprendizaje automático óptimo en el conjunto de datos. Kurnia no tiene que preocuparse por la ingeniería de funciones ni por ninguna de las etapas más complejas del aprendizaje automático.

Kurnia dijo que desde que comenzó a usar el software, ha podido reducir los incumplimientos de préstamos en aproximadamente un 5%.

Y cree que más organizaciones pequeñas también adoptarán el aprendizaje automático y el análisis predictivo porque las barreras de entrada son cada vez más bajas a medida que el software automatiza más el proceso. Esto significa que las organizaciones no tienen que desembolsar mucho dinero para atraer científicos de datos capacitados en la construcción de redes neuronales o realizar inversiones masivas en software sofisticado.

«Esperaría que más empresas pequeñas como la nuestra comiencen a utilizar la ciencia de datos cada vez más temprano», dijo Kurnia. «Es solo cuestión de tiempo.»

Más allá de los conceptos básicos de la automatización

Se están automatizando más que los modelos básicos de aprendizaje automático. Hoy en día, existe software que puede realizar tareas más complicadas, como el procesamiento y la generación del lenguaje natural, que no requiere codificación. En el futuro, incluso la inteligencia artificial podría automatizarse para las empresas.

Por ejemplo, USAA, con sede en San Antonio, está utilizando una herramienta de lenguaje natural de Narrative Science que ejecuta algoritmos de aprendizaje automático para generar automáticamente descripciones verbales de las métricas incluidas en los informes de inteligencia empresarial. Luke Horgan, director de análisis de canales digitales de la compañía de seguros, dijo que esto permite a su equipo responder a una gama más amplia de preguntas de las que antes eran capaces de abordar.

Cómo prepararse para proyectos de aprendizaje automático

Antes de implementar la herramienta, los usuarios de los informes de USAA inevitablemente tendrían preguntas sobre alguna métrica o puntuación incluida en ella. Horgan y su equipo dedicarían una gran cantidad de tiempo a responder estas preguntas. Pero ahora, las descripciones de métricas generadas automáticamente por el software se adelantan a muchas de las preguntas, y todo se hace a escala sin necesidad de codificación. El software funciona al permitir que el equipo de Horgan defina algunas preferencias y luego construye los modelos predictivos.

«Alguien como yo, sin muchos conocimientos, puede hacer algo muy rápido», dijo Horgan.

La tendencia de automatizar el aprendizaje automático a través de herramientas integradas se está extendiendo ampliamente en la industria del software. Por ejemplo, el proveedor de visualización de datos Tableau Software planea introducir una herramienta de preparación de datos llamada Project Maestro que utiliza el aprendizaje automático para automatizar muchos pasos de preparación de datos para la exploración.

En una entrevista, el analista de IDC David Schubmehl dijo que proveedores como Microsoft, Oracle y Salesforce también han hecho anuncios recientes de que están incorporando el aprendizaje automático bajo el capó de su software.

Modelos de aprendizaje automático para todos los interesados

Pronto, cada vez más empresas pueden estar utilizando el aprendizaje automático sin siquiera darse cuenta, según Schubmehl. «La idea es que el uso del aprendizaje automático permite a las personas poner más herramientas de software en piloto automático», dijo. «Piense en ello como la próxima ola o generación de software empresarial».

La tendencia tiene sentido, dijo Schubmehl, porque los beneficios del aprendizaje automático son tan obvios, pero los científicos de datos altamente capacitados necesarios para desarrollar redes neuronales y aplicaciones de aprendizaje automático son muy escasos. Todas las empresas pueden beneficiarse de estar más impulsadas por los datos, sin embargo, desarrollar capacidades internamente es costoso y requiere mucho tiempo.

«Hay una escasez de científicos de datos, por lo que eso lo hace más desafiante», dijo. «Esta idea de IA de código bajo o sin código es realmente una gran capacidad. El aprendizaje automático automatizado que ayuda a impulsar la empresa es realmente hacia donde apuntan nuestras investigaciones».

Aún así, eso no significa que la automatización del aprendizaje automático genere automáticamente un retorno de la inversión. Schubmehl lo describió como una situación de mano y guante. En esta analogía, los datos son la mano y el software es el guante. Si los datos no están ahí, el software no puede lograr mucho.

Dijo que las empresas tendrán que invertir en infraestructura para adquirir, limpiar y preparar datos antes de que puedan beneficiarse del software que ofrece capacidades de aprendizaje automático automatizadas. Esta es la barrera más grande con la que las organizaciones podrían tropezar cuando buscan implementar el software.

Dicho esto, Schubmehl cree que la mayoría de las organizaciones mirarán antes de dar el salto al software de aprendizaje automático automatizado.

«Creo que la gente entiende que se trata de algoritmos basados ​​en datos», dijo. «Algunas organizaciones realmente no manejan bien su estrategia de datos, pero más organizaciones están pensando en la estrategia de datos».

Deja un comentario

También te puede interesar...

PC limpia en los Golden Joystick Awards

Vaya ¿Cuándo se volvieron tan condenadamente… premiados los juegos de PC? PC se ha limpiado en el Palanca de mando dorada premios con una gran cantidad de exclusivas. ¿Y los juegos no exclusivos para PC

Seminario web sobre mapas mentales de Eric Mack

Eric Mack es uno de los adoptadores más apasionados de tecnologías que mejoran la productividad y el rendimiento. No se pierda su próximo seminario web, donde le mostrará cómo usar MindManager para administrar proyectos, generar

Ganancias alfabéticas: qué pasó con GOOGL

Recomendaciones clave El BPA de Alphabet fue de $ 10,21 en comparación con los $ 7,92 de los analistas. Los ingresos trimestrales superaron las expectativas, pero cayeron año tras año por primera vez en la

Cómo hacer un mapa conceptual en Word

La última reunión de negocios a la que asistió le hizo darse cuenta de lo importante que es utilizar mapas conceptuales que le permiten anotar de forma rápida y sencilla los conceptos expresados ​​por compañeros

Definición de Jerry A. Hausman

¿Quién es Jerry A. Hausman? Jerry A. Hausman es profesor de economía y director del Programa de Investigación de Economía de las Telecomunicaciones del MIT.. La investigación del Dr. Hausman se ha centrado en microeconomía

Definición de Obamanomics

¿Qué es Obamanomics? Obamanomics describe las políticas económicas de la administración del ex presidente Barack Obama, el término combina «Obama» y «economía». El término se asocia comúnmente con políticas fiscales, reformas de atención médica y

¿Ya llegamos? El lento camino hacia SQL Azure

Si una aplicación no se ejecuta en un teléfono inteligente o en la nube, parece que nadie le presta mucha atención. Por lo tanto, es natural que Microsoft presione para poner los servicios de base

Otra versión de prueba para SQL Server 2008

Microsoft lanzará la tercera versión de prueba de Community Technology Preview (CTP) de SQL Server 2008 el 12 de noviembre, más tarde en noviembre, antes de que el producto se complete a tiempo para su

La campana de la feria: mirando hacia arriba

Me acabo de enterar de que InfoWorld / IDG, que patrocina el Foro Ejecutivo de SOA el próximo martes en Nueva York, está ampliando su ubicación para dar cabida a participantes adicionales. Buenas noticias para

Elegir aplicaciones para viajes de negocios

La movilidad y la nube pueden facilitar que los trabajadores se mantengan conectados desde la carretera y sean más productivos en sus viajes de negocios. La clave es elegir aplicaciones que le ayuden a aprovechar