Aprenentatge automàtic en producció

Autor: Julià Minguillón

Els textos i imatges publicats en aquesta obra estan subjectes (llevat que s'indiqui el contrari) a una llicència de Reconeixement-Compartir igual (BY-SA) v.3.0 Espanya de Creative Commons. Podeu modificar l'obra, reproduirla, distribuir-la o comunicar-la públicament sempre que en citeu l'autor i la font (FUOC. Fundació per a la Universitat Oberta de Catalunya), i sempre que l'obra derivada quedi subjecta a la mateixa llicència que el material original. La llicència completa es pot consultar a http://creativecommons.org/licenses/by-sa/3.0/es/legalcode.ca

1. Cicle de vida

2. Tipologia

Descripció

Aquesta col·lecció de recursos, curada per Eugene Yan, conté desenes d’exemples reals d’implementacions de solucions basades en aprenentatge automàtic. Els exemples, descrits en forma d’articles, cobreixen la majoria de les fases del cicle de vida de les dades, així com d’àmbits d’aplicació. Entre d’altres, es poden destacar els exemples de captura i manipulació de dades massives, d’empreses com ara Netflix, Airbnb o Uber, classificació i predicció, sistemes de recomanació i cerca d’informació, sistemes de processament de llenguatge natural, o de visió per computador, etc.

El recull acaba amb dos apartats molt interessants. El primer, un recull de consells sobre els equips que han de construir i implementar models i altres eines derivades. El segon és una llista de projectes que han fracassat, la majoria relacionats amb la posada en marxa de sistemes d’intel·ligència artificial, com ara un sistema que prediu el crim basant-se en la cara que fa el potencial malfactor.

Enllaç al recurs

https://github.com/eugeneyan/applied-ml

Exemple d’ús

A la llista hi ha uns quants articles relacionats amb Spotify, principalment sobre com funciona el sistema que fa que Spotify ens recomani música cada setmana, trobant un punt d’equilibri entre el que Spotify sap que coneixem i ens agrada (perquè ho escoltem molt sovint, ho tenim guardat a les llistes de reproducció o descarregat per escoltar-ho fora de línia), i el que encara desconeixem (d’acord amb el que «pensa» Spotify). Fan servir una combinació d’algorismes i tècniques de mineria de dades, entre d’altres la que es coneix com a reinforcement learning. Els resultats mostren que és possible recomanar música nova als usuaris, diferent del que escolten habitualment, i que és ben valorada. El gràfic següent mostra l’arquitectura del sistema de recomanació:

A les assignatures Infraestructures tecnològiques per Big Data i Aprenentatge automàtic, del grau de Ciència de Dades Aplicada de la UOC, estudiareu alguns dels conceptes mencionats.

Enllaç relacionat

Recomanant música nova als usuaris d’Spotify: https://research.atspotify.com/shifting-consumption-towards-diverse-content-via-reinforcement-learning/