«El objetivo de machine learning (máquina de aprendizaje) es construir sistemas de computación que puedan adaptarse y aprender der su experiencia.»
En otras palabras, el servicio de Azure Machine Learning nos permite diseñar y construir algoritmos inteligentes que ayuden a tomar decisiones de negocio o comportamiento en base a lo que aprendan de los datos que están procesando (predicciones hacia el futuro).
El siguiente diagrama expresa el flujo de trabajo de Azure Machine Learning:
- Datos: La información de entrada, lo que se va a procesar.
- Modelo: Los algoritmos que emplearemos para procesar los datos de entrada.
- Parámetros: Parámetros especiales de entrada.
- Aprendizaje: Proceso por el cual el algoritmo empieza a cambiar de comportamiento basándose en la información que ha estado recibiendo.
- Predicción: El resultado final que arroja el algoritmo.
El resultado de la exposición de los servicios de Azure Machine Learning es a través de servicios web, este modelo de trabajo está representado de la siguiente manera:
Las fuentes de datos de Azure Machine Learning son muy diversas, algunas de ellas: HDInsight (servicio de Azure para Big Data), Azure Storage(SQL Azure, Blob Storage, TableStorage), bases de datos (SQL Server).
Cualquier servicio de Azure Machine Learning puede ser consumido desde cualquier dispositivo con conexión a internet: tablet, smartphone, pc o laptop.
[ Arquitectura de Azure Machine Learning ]
La imagen de abajo representa el escritorio donde podremos estar trabajando con Azure Machine Learning. Trabajaremos como si estuviéramos dibujando diagramas de flujo, arrastrando elementos (algoritmos, modelos) y al final solo tendremos que correr el proceso para obtener un resultado o predicción.
Una caso practico de cuando usar Azure Machine Learning podria ser al describir la siguiente situación:
«La empresa DevelopEnterprise tiene muchas bajas de personal continuamente, estas bajas van en función de la comida que venden, la carga de trabajo recibida y las relaciones con sus jefes».
¿Cuál es la probabilidad de que un empleado renuncié de la empresa en una semana si las condiciones expuestas mejorarán en un plazo de 2 meses?
Esta predicción tendrá que ir en función de la agilidad en que cambiarán la comida (aceptación de los empleados), delegación adecuada de trabajo (menos carga) y comprensión individual de la situación actual de los trabajadores a los ojos del jefe.
Problemas de esta magnitud se pueden resolver con Azure Machine Learning, utilizando los algoritmos adecuados y proveyendo la información generada por los empleados.
Sigueme en Twitter @vmorenoz
¿Te gustó este artículo? Únete a Facebook en MicrosoftLand