Machine Learning para principiantes - Capítulo 1: preparando el entorno
Con la analítica de datos en aumento, Machine Learning se está convirtiendo en un tema de rabiosa actualidad. La manera en que los sistemas actuales son capaces de imitar el pensamiento humano está excediendo rápidamente las capacidades humanas en muchos ámbitos, y tenemos ejemplos tan claros como partidas de ajedrez, selección de ganadores de concursos o reconocimiento de caras y expresiones en imágenes. Machine Learning es un tema difícil de abordar y saber por dónde empezar es, a menudo, el paso más difícil.
El propósito de esta serie de posts es guiarte a través de la creación de un experimento de predicción de Machine Learning muy simple usando Azure ML Studio. El escenario sería el siguiente: te estás preparando para la próxima temporada de tu NBA Fantasy League, y quieres predecir el rendimiento (Player Eficiency Rating, un valor numérico absoluto) de cada jugador, de manera que puedas elegir a los mejores jugadores para tu equipo al empezar la temporada.
Esta serie de posts contiene 7 capítulos, los primeros seis cubrirán toda la creación del experimento de Machine Learning de principio a fin, y el último será un bonus track para que puedas entender diferentes formas de interactuar con los resultados del experimento después de su finalización y cómo añadir más inteligencia a los resultados obtenidos.
Objetivos
Después de completar esta serie de posts, tendremos los siguientes resultados:
- Comprender los fundamentos de machine learning, estadística y análisis de datos
- Aprender a aplicar estos conceptos en un escenario real desde cero aprovechando las funcionalidades que nos ofrece Azure Machine Learning Studio
- Consumir los resultados de nuestros experimentos de Machine Learning de forma novedosa a través de visualizaciones de Power BI y bots conversacionales
Pre-requisitos
- Subscripción activa de Microsoft Azure (puede ser la trial gratuita: https://azure.microsoft.com/en-us/free/)
- Conocimientos muy básicos de SQL
Preparando nuestro workspace
Una vez que hayamos activado nuestra suscripción de Azure, pasamos a crear nuestro espacio de trabajo de Azure ML e iniciar sesión en la herramienta. Para ello, lo primero será crear un espacio de trabajo de Machine Learning en nuestra suscripción:
Selecciona el nombre del espacio de trabajo, la ubicación, la cuenta de almacenamiento que se va a utilizar y el nivel del plan de servicio para implementar el servicio web del experimento después de su creación:
Ahora, puedes encontrar los 3 servicios en el grupo de recursos en el que se han creado:
Haciendo click en el primero, que es el espacio de trabajo de Machine Learning, podrás acceder a la herramienta online pulsando en "Ejecutar Machine Learning Studio" y luego en "Sign In":
Este es el primer vistazo de Azure Machine Learning Studio, una lista vacía de experimentos. Ten en cuenta que la región que seleccionaste como ubicación para el espacio de trabajo es el inicio de la url y también puedes buscar diferentes regiones o espacios de trabajo en la barra superior:
En el próximo capítulo, dejaremos preparados nuestros datasets y los primeros módulos de nuestro experimento de aprendizaje, organizando todo en un proyecto para tener todos los recursos agrupados.
Un saludo,
Gorka Madariaga (@Gk_8)
Technical Evangelist