DIVULGACIÓN COMPLETA: trabajo para BigML
BigML nunca ha tenido la intención de dejar sin trabajo a los expertos de ML, sino democratizar el aprendizaje automático. En todo caso, tenemos muchos expertos en ML que utilizan felizmente BigML para la creación de prototipos y agilizan la implementación de modelos predictivos aprovechando nuestra API RESTful. Entonces, ¿qué significa “Democratizing ML”?
Bueno, es un hecho bien conocido que muchas organizaciones todavía están luchando por comprender mejor lo que pueden hacer con Machine Learning. Sin embargo, otros que ya están convencidos de su promesa buscan rediseñar sus procesos de minería de datos del viejo mundo además de las nuevas tecnologías de onda (por ejemplo, MLaaS, Big Data, etc.). A menos que sea LinkedIn, AirBnB o Uber, es probable que su organización tenga dificultades para reclutar y retener el talento de Data Science y lograr un ROI positivo más rápido de sus esfuerzos de análisis avanzado.
- ¿Cuál es actualmente la mejor GPU para el aprendizaje profundo?
- ¿Cuál es / son los métodos para iniciar / elegir filtros en redes neuronales convolucionales?
- ¿Cuánto aprendizaje automático aprendería al completar el curso Andrew Ng (el de Coursera), en una escala de 100?
- Optimización matemática: ¿Por qué el método de descenso más pronunciado usando el descenso de gradiente típico tiene problemas con la función de Rosenbrock?
- ¿Cuántas personas en el mundo son expertos en aprendizaje profundo para visión por computadora?
BigML ha notado este déficit ya en 2011 y comenzó a trabajar para hacer que ML sea más accesible al simplificar las cosas a un nivel en el que todavía es efectivo desde una perspectiva de mejores prácticas de ML, pero lo más importante a un nivel que hace posible que no sea ML expertos (principalmente desarrolladores) para aprovechar:
* una interfaz de usuario intuitiva
* Una API de ML bien diseñada y potente (https://bigml.com/developers)
* una infraestructura de fondo altamente adaptable y escalable
* modelos de caja blanca, interpretables y EXPORTABLES
* a un costo de entrada muy razonable (es decir, planes a partir de $ 30 / mes)
Eso es lo que llamamos Machine Learning as a Service (MLaaS).
@Kirk Hadley tiene razón en que comenzamos esta visión implementando primero árboles de decisión, porque son muy bien entendidos, interpretables y altamente escalables. Sin embargo, la oferta actual de BigML a partir de septiembre de 2015 va mucho más allá de los árboles de decisión. A saber, incluye:
* Conjuntos de bosque de decisión aleatoria
* Conjuntos de ensacado (también conocido como Bootstrap Aggregating)
* K-significa Clustering
* G-significa Clustering (Adivinando la ‘K’ en K-significa Clustering)
* Detección de anomalías (basado en bosque de aislamiento)
* Evaluaciones del modelo (con precisión, recuperación, matriz de confusión, medidas F y Phi)
* Discovery de la Asociación (Gracias a la adquisición de Magnum Opus a principios de este año: http://blog.bigml.com/2015/07/02…)
Nuestra comunidad de usuarios realmente aprecia nuestra posición API-first que los ayuda a resolver PROGRAMÁTICAMENTE casos de uso predictivo de la vida real, porque les da la oportunidad de implementar rápidamente modelos ML en su entorno de producción, una tarea de enormes proporciones para los modelos ML integrados en herramientas como R Para los que tienen una inclinación técnica, tenemos un Slideshare bastante detallado de lo que significa API-first en el contexto de ML:
http://www.slideshare.net/bigml/…
Finalmente, como estamos presenciando la evolución de las herramientas de ML desde las basadas en estaciones de trabajo hasta las que nacen en la nube, cada vez más grandes jugadores (por ejemplo, Microsoft, Amazon) están invirtiendo en servicios MLaaS validando aún más la visión pionera de BigML. Sin duda, las técnicas de Machine Learning seguirán siendo útiles en el futuro previsible como ayudas internas para la toma de decisiones. Sin embargo, el futuro pertenece a servicios de aprendizaje automático fáciles de usar, fáciles de integrar, más rápidos de implementar, adaptables y escalables a la perfección que realizarán su verdadero potencial en manos de desarrolladores creativos y talentosos que desarrollarán aplicaciones y productos inteligentes innovadores que aprovecharán el aprendizaje automático. como una PARTE INTEGRAL de la experiencia del usuario final. BigML seguirá innovando para satisfacer mejor esta necesidad desatendida del mercado.
