Cómo aplicar la ciencia de datos a la cocina

Data Science se puede utilizar para crear recetas nuevas e innovadoras combinando ingredientes que nadie ha intentado combinar antes.

El siguiente estudio crea una red de sabores para determinar posibles combinaciones de alimentos:

Red de sabores y principios del maridaje

La Parte A mapea los ingredientes con sus compuestos de sabor, y esto se proyecta en la parte B como una red de sabor, donde los nodos (ingredientes) están unidos si comparten compuestos de sabor (cuanto más gruesa es la línea, más comparten).

Uno de los resultados en el estudio que captó mi interés es la exclusividad de muchos ingredientes en diferentes cocinas. Mediante el análisis de los datos de recetas de Epicurious, Allrecipes y Menupan , El estudio muestra algunos ingredientes comunes entre World Cuisine, pero revela una gran cantidad de ingredientes poco comunes.

Una explicación es que, históricamente, muchos ingredientes han sido accesibles solo a ciertas partes del mundo (por ejemplo, falta de vainilla en la cocina oriental), razón por la cual las cocinas regionales solo han desarrollado recetas utilizando ingredientes disponibles localmente (por ejemplo, la cocina latinoamericana no utiliza muchos productos orientales). Ingredientes asiáticos). Sin embargo, debería ser posible determinar nuevas combinaciones de alimentos utilizando el conocimiento de qué compuestos de sabor funcionan bien juntos (que, como se demostró en el estudio, se puede encontrar analizando los datos de recetas para ingredientes que ya sabemos que funcionan bien juntos). Esto abriría un mundo completamente nuevo de recetas, como nadie ha experimentado antes.

Ha habido muchas incursiones en la comida de fusión en los últimos años, pero los chefs que experimentan con ingredientes de otras culturas, con solo la intuición de seguir, significa que nos estamos perdiendo algunos de los mejores alimentos que el mundo nunca ha visto. Creo que Data Science puede resolver este problema.

La ciencia de datos se puede utilizar para descubrir grupos de personas que disfrutan de tipos particulares de cocina:

Modelos de mezclas infinitas con Bayes no paramétricos y el proceso de Dirichlet

De la descripción del artículo en sí:

Imagina que eres un chef en ciernes. Un dato curioso, por supuesto, por lo que comienza tomando un conjunto de alimentos (pizza, ensalada, espagueti, etc.) y pregunta a 10 amigos cuánto comieron en el último día.

Su objetivo: encontrar grupos naturales de amantes de la comida, para que pueda satisfacer mejor los gustos de cada grupo. Por ejemplo, tus amigos fratboy pueden amar las alas y la cerveza, tus amigos de anime pueden amar el soba y el sushi, tus amigos hipster probablemente cavan tofu, y así sucesivamente.

Entonces, ¿cómo puede utilizar los datos que ha reunido para descubrir diferentes tipos de grupos?

Luego, el enlace en cuestión continúa para discutir los métodos estándar de discernir las medidas de clúster y cuál en particular se destaca por sus necesidades. Junto con gráficos y códigos divertidos, puede, sí, correr por sí mismo, es una deliciosa introducción a los procesos de Dirichlet y al llamado proceso del restaurante chino.

Nunca vi a nadie usando el aprendizaje automático para cocinar. Pero cuando vi esta pregunta, obtengo dos casos de uso en cuestión de segundos.

1) Recoja las recetas y aliméntelas al sistema, estas recetas también deben contener por qué los ingredientes se agregan a lo que hace al plato en términos de sabor, aroma y algunas otras características. A medida que el sistema lo aprende hasta cierto punto, puede predecir lo que todos los ingredientes pueden hacer un plato mágico. Al igual que ratatouille!

2) También podemos usar los mismos datos de recetas para clasificar las recetas en función de su cocina y también podemos hacer una correlación para verificar la derivación del plato de alguna otra cocina.

Supongo que la recopilación de datos será la tarea crítica de todo el proyecto.

Ayuda a la hora de cocinar para un público amplio y a comprender la diferencia entre ciertos tipos de cocina.
Elección, felicidad y salsa de espagueti

¿Podría Nate Silver predecir qué tan buena será su tarta de calabaza?

Red de sabores y principios del maridaje

Una vez vi una presentación en la que intentaban conectar una computadora a una cámara para ayudar a los adultos mayores con demencia temprana a cocinar algo con éxito (creo que fue un pastel). El sistema había avisado a la persona si dudaba y detectaba errores al seguir la receta.

Poner el sistema en funcionamiento es básicamente un problema complicado de aprendizaje automático y reconocimiento de patrones.

Puede usar la ciencia de datos en la cocina. Le ayudará a conocer la medida precisa de una salsa de carne. Ayudándole a experimentar las técnicas y teorías correctas para evitar el deterioro fácilmente. Cocinar es ciencia de todos modos. Se aplica en casa y en restaurantes. A menudo se usa para lograr el resultado perfecto con menos desperdicio. Es lo que aprendí cuando estaba entrenando en Noruega y hay un sentido común para todo.