El machine learning o aprendizaje automático está presente cada vez más los negocios, así como en nuestro día a día. No solo la “gente de a pie” no tiene claro lo que significa machine learning, sino que muchos de los que nos dedicamos al mundo de la informática seguimos sin comprenderlo bien. Durante la sesión se desvelan algunos de los misterios que esconde el llamado “machine learning” y se intenta convencer al oyente de que el machine learning no es magia, solo ciencia.


Gran parte de la sesión se centra en resolver un problema ampliamente estudiado y en el que los ordenadores soy muy buenos hoy en día: el reconocimiento de dígitos. Partiendo de ese ejemplo y apoyándose en visualizaciones interactivas, se van explicando los conceptos más básicos del machine learning: desde lo que es un clasificador hasta la definición del término deep learning o aprendizaje profundo, pasando por la definición de redes neuronales. A través del ejemplo de reconocimiento de números y otros ejemplos, se dejarán de ver las técnicas de machine learning como una caja negra y se comprenderá mejor lo que ocurre cuando entrenamos un modelo.

Además de visualizaciones y ejemplos sencillos, se muestra un caso de uso más avanzado: una red neuronal profunda (arquitectura YOLOv3) para la localización de objetos. Durante la sesión es utilizada para detectar a los asistentes de las primeras filas.

Es necesario añadir que muchos de los conceptos mostrados en esta presentación están muy simplificados y no son exactamente así en la práctica. Aun así, la visión global que aporta del machine learning es muy cercana a lo que es en realidad.

Enlaces de interés:
Repositorio con el código de la implementación de YOLOv3 en PyTorch: https://github.com/ayooshkathuria/pytorch-yolo-v3
Neural network playground, visualización interactiva de las neuronas de una red neuronal: https://playground.tensorflow.org/

Miguel Egea