Los 5 mejores casos de uso de TensorFlow
La principal herramienta de software de aprendizaje profundo es TensorFlow. Es una biblioteca de inteligencia artificial de código abierto, que utiliza gráficos de flujo de datos para construir modelos. Permite a los desarrolladores crear redes neuronales a gran escala con muchas capas. TensorFlow se utiliza principalmente para: Clasificación, Percepción, Comprensión, Descubrimiento, Predicción y Creación.
- Cómo proceder si no puedo desempeñarme mejor en un conjunto de datos en particular cuando intento ajustar un modelo de aprendizaje automático
- La mayoría de los profesionales del aprendizaje automático parecen entusiasmarse con el término "aprendizaje profundo". ¿Cuáles son algunas de las aplicaciones prácticas del aprendizaje profundo?
- Cuando se estandarizan los datos como un paso de preprocesamiento, ¿por qué se usa la media y la varianza utilizadas en el tiempo del tren también en el momento de la prueba?
- ¿Cómo puede un programa determinar rápidamente si un tweet es negativo o positivo?
- ¿Cuál es la diferencia entre máquinas de vectores de soporte y aprendizaje profundo?
- Reconocimiento de voz / sonido
Uno de los usos más conocidos de TensorFlow son las aplicaciones basadas en sonido. Con la alimentación de datos adecuada, las redes neuronales son capaces de comprender las señales de audio. Estos pueden ser:
- Reconocimiento de voz: se utiliza principalmente en IoT, automoción, seguridad y UX / UI
- Búsqueda por voz: utilizada principalmente en telecomunicaciones, fabricantes de teléfonos
- Análisis de sentimientos: utilizado principalmente en CRM
- Detección de defectos (ruido del motor): se utiliza principalmente en automoción y aviación
Con respecto a los casos de uso común, todos estamos familiarizados con la búsqueda por voz y los asistentes activados por voz con los nuevos teléfonos inteligentes de amplia difusión como Siri de Apple, Google Now para Android y Microsoft Cortana para Windows Phone.
La comprensión del idioma es otro caso de uso común para el reconocimiento de voz. Las aplicaciones de voz a texto se pueden usar para determinar fragmentos de sonido en archivos de audio más grandes y transcribir la palabra hablada como texto.
Las aplicaciones basadas en sonido también se pueden usar en CRM. Un escenario de caso de uso podría ser: algoritmos TensorFlow que reemplazan a los agentes de servicio al cliente y enrutan a los clientes a la información relevante que necesitan, y más rápido que los agentes.
- Aplicaciones basadas en texto
Otros usos populares de TensorFlow son aplicaciones basadas en texto como análisis sentimentales (CRM, redes sociales), detección de amenazas (redes sociales, gobierno) y detección de fraudes (seguros, finanzas)
La detección de idiomas es uno de los usos más populares de las aplicaciones basadas en texto.
- Todos conocemos Google Translate , que admite más de 100 idiomas que se traducen de uno a otro. Las versiones evolucionadas se pueden utilizar para muchos casos, como traducir jerga jerárquica de contratos en lenguaje sencillo.
- Resumen de texto
Google también descubrió que para textos más cortos, el resumen se puede aprender con una técnica llamada aprendizaje de secuencia a secuencia. Esto se puede utilizar para producir titulares para artículos de noticias. A continuación, puede ver un ejemplo en el que el modelo lee el texto del artículo y escribe un título adecuado.
Entrada: Artículo primera oración
Titular escrito por modelo
A partir del 1 de julio, la provincia de la isla de Hainan, en el sur de China, implementará un estricto control de acceso al mercado en todo el ganado y los productos animales para evitar la posible propagación de enfermedades epidémicas.
Hainan para frenar la propagación de enfermedades
- Otro caso de uso de Google es SmartReply . Genera automáticamente respuestas por correo electrónico (deseando que la versión evolucionada de este haga nuestro negocio en nuestro nombre)
- Reconocimiento de imagen
Utilizado principalmente por los medios sociales, las telecomunicaciones y los fabricantes de teléfonos; El reconocimiento de rostros, la búsqueda de imágenes, la detección de movimiento, la visión artificial y el agrupamiento de fotografías se pueden usar también en las industrias automotriz, de aviación y de atención médica. El reconocimiento de imágenes tiene como objetivo reconocer e identificar personas y objetos en imágenes, así como comprender el contenido y el contexto.
Los algoritmos de reconocimiento de objetos TensorFlow clasifican e identifican objetos arbitrarios dentro de imágenes más grandes. Esto generalmente se usa en aplicaciones de ingeniería para identificar formas con fines de modelado (construcción de espacios en 3D a partir de imágenes en 2D) y en redes sociales para etiquetar fotos (Deep Face de Facebook). Al analizar miles de fotos de árboles, por ejemplo, la tecnología puede aprender a identificar un árbol que nunca antes había visto.
El reconocimiento de imágenes también está comenzando a expandirse en la industria de la salud, donde los algoritmos de TensorFlow pueden procesar más información y detectar más patrones que sus contrapartes humanas. Las computadoras ahora pueden revisar escaneos y detectar más enfermedades que los humanos.
4. Series temporales
Los algoritmos de la serie temporal TensorFlow se utilizan para analizar datos de series temporales con el fin de extraer estadísticas significativas. Permiten pronosticar períodos de tiempo no específicos además de generar versiones alternativas de las series de tiempo.
El caso de uso más común para las series temporales es la recomendación. Probablemente hayas oído hablar de este uso de Amazon, Google, Facebook y Netflix, donde analizan la actividad del cliente y la comparan con los millones de otros usuarios para determinar qué le gustaría comprar o mirar. Estas recomendaciones son cada vez más inteligentes, por ejemplo, le ofrecen ciertas cosas como obsequios (no para usted) o programas de televisión que podrían gustarle a los miembros de su familia.
Los otros usos de los algoritmos TensorFlow Time Series son principalmente el campo de interés para Finanzas, Contabilidad, Gobierno, Seguridad e IoT con Detecciones de Riesgos, Análisis Predictivo y Planificación de Empresas / Recursos.
5. Detección de video
Las redes neuronales TensorFlow también funcionan en datos de video. Esto se utiliza principalmente en la detección de movimiento, detección de subprocesos en tiempo real en los campos de juegos, seguridad, aeropuertos y UX / UI. Recientemente, las universidades están trabajando en conjuntos de datos de clasificación de video a gran escala como YouTube-8M con el objetivo de acelerar la investigación sobre comprensión de video a gran escala, aprendizaje de representación, modelado de datos ruidosos, aprendizaje de transferencia y enfoques de adaptación de dominio para video.
Bonificación: puede que este no sea un uso común, pero es una cuestión de vida o muerte, ¡si ves películas estadounidenses, lo sabes! – y es elegido como los 20 mejores proyectos a nivel mundial (Global Finalist). La NASA está diseñando un sistema con TensorFlow para la clasificación de órbitas y la agrupación de objetos de asteroides. Como resultado, pueden clasificar y predecir NEO (objetos cercanos a la tierra).
Como TensorFlow es una biblioteca de código abierto, pronto veremos muchos más casos de uso innovadores, que se influenciarán entre sí y contribuirán a la tecnología Machine Learning.