¡Por supuesto! Todas las tareas informáticas tienen algún tipo de estructura y lógica. Si bien el desarrollo tradicional se centra en paradigmas de programación como if / then, for, etc., AI generalmente sigue el siguiente paradigma:
- Obtenga un conjunto de datos sobre los cuales le gustaría responder alguna pregunta. Por ejemplo, tenemos un conjunto de datos de series de tiempo para los precios y los atributos de las acciones que definen cada uno de los símbolos que seguimos y estamos tratando de responder “¿Cuál será el precio de las acciones para cada compañía mañana?”
- Elija un algoritmo de aprendizaje automático que pueda responder a la pregunta que está haciendo dados los datos que tiene. Por ejemplo, en nuestro caso de series de tiempo, podríamos usar un modelo de regresión muy simple que tome los datos de cada símbolo de teletipo, los 5 puntos de tiempo anteriores (por ejemplo, si pronosticamos el sábado incluiría los valores de MF) y luego predice el valor de la acción para el sábado.
- Preprocese sus datos para que quepan en el algoritmo de aprendizaje automático. Por ejemplo, convierta todos los atributos de su empresa en algo que el algoritmo de aprendizaje automático pueda comprender para que la función pueda generar un precio.
- Configure sus hiperparámetros para entrenar el modelo de aprendizaje automático que elegimos. Por ejemplo, para nuestra regresión, podemos establecer variables de regularización y nuestros parámetros de aprendizaje para el descenso de gradiente (puede obtener más información sobre estos aquí )
- Entrene su modelo Por ejemplo, durante este proceso, usamos los datos anteriores (es decir, todo antes del sábado) para ingresar filas y entrenar el modelo para que actúe de la misma manera que lo ha visto anteriormente. Un ejemplo de una entrada sería los mismos datos de teletipo y datos de entrada de domingo a jueves y una salida para el precio que es el valor para el viernes. Tenga en cuenta que durante el proceso de capacitación incluimos tanto las entradas (como se mencionó anteriormente) como las salidas. Esto le enseña al modelo a funcionar como los datos anteriores que ve. La información que este algoritmo “aprende” se encapsula en archivos de pesos que se guardan.
- Predecir su resultado. Por ejemplo, nos gustaría saber el valor del precio del ticker el sábado. Como mencioné en 2), puede ingresar los datos de teletipo (una vez preprocesados como en 3), así como los datos de precios de series temporales de MF en la función que generará el precio para el sábado combinando los datos con los pesos entrenados en 5 )
¡Eso es! Si está interesado en construir o bifurcar otros aprendizajes de máquinas para ver cómo se hace, regístrese en Datmo.
Espero que esto ayude 🙂
- ¿Qué calificaciones se necesitan para hacer algo relacionado con la inteligencia artificial?
- ¿Qué algoritmos se pueden considerar como requisitos previos para cualquier curso de inteligencia artificial?
- Cómo comenzar a aprender sobre inteligencia artificial y aprendizaje automático
- ¿Podemos crear una inteligencia artificial general sin la necesidad de simular un cerebro humano?
- Cómo iniciarse en la robótica humanoide y la inteligencia artificial.
