[vc_row][vc_column][vc_single_image image=»1139″ img_size=»full» alignment=»center»][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]El día de hoy sábado 09 de setiembre, se realizo el Meetup de Python Cali, en el cual se revisaron temas relacionados a la aplicación de Python en la Inteligencia Artificial. Los temas tratados fueron principalmente dos:
- Procesamiento del Lenguaje Natural – brindada por Jefferson Amado Peña
- Introducción al Machine Learning con Python – brindada por Camilo Herrera
Procesamiento del Lenguaje Natural
En el primer bloque, estuvo a cargo de Jefferson quién explico sobre el procesamiento natural y los desafíos que implica al tratar de entender el lenguaje, desafíos como:
- Interpretar los sentimientos
- Ambigüedad en el lenguaje
- Intención del mensaje
- Contexto de la comunicación
Considerando que el lenguaje natural es enorme, confuso y ambiguo. Pero ante esta confusión hay un conjunto de herramientas en Python que pueden ayudarnos con estos desafíos, las mencionadas fueron:
Algunos libros recomendados fueron:
- Python Social Media Analytics
- Mastering Data Mining with Python
- Natural Language Processing: Python and NLTK
- Python Natural Language Processing
Introducción al Machine Learning con Python
En el segundo bloque se revisaron conceptos relacionados a Machine Learning, y estuvo a cargo de Camilo.
Se destaco el hecho de que actualmente existen muchas empresas que brindan servicios con librerías de Machine Learning básicamente para ser utilizadas. Se mencionaron las siguientes:
La charla estuvo centra en explicar el proceso y los algoritmos básicos que se pueden utilizar en Machine Learning, tales como:
- Regresión lineal
- Regresión logística
- Arboles de decisión
- Random Forest
- Maquina de Soporte Vectorial
- KVecinos más cercanos
- K-Means
- Redes Neuronales
Así mismo se mencionaron las librerías base de Python para Machine Learning:
- Numpy
- SciPy
- Pandas
- MatplotLib
- ScikiLearn
- TensorFlow
Algunas recomendaciones principales fueron:
- Se debe evaluar más de un algoritmo de Machine Learning para un determinado problema y comparar los resultados. Esto permite elegir el algoritmo adecuado para el problema que se esta intentando resolver.
- Se debe revisar los datos con los cuales se trabajara el problema de Machine Learning, esto con la finalidad de evaluar la consistencia de los mismos.
- El proceso de Machine Learning es un proceso de prueba y error en base a la información y a los algoritmos seleccionados. En todo momento se debe tener especial cuidado con la sobre-evaluación y la sub-evaluación de los datos. Es decir en ocasiones por minimizar el error se escoge un algoritmo que se ajusta tanto a los datos, que cuando se ingresan nuevos datos, el algoritmo no se puede utilizar.
Nota:
Consultamos sobre las presentaciones, en cuanto las agreguen o agreguen información adicional, la compartimos en este post.
Espero les sirva para iniciarse en este mundo de Machine Learning con Python o aquellos que ya se encuentran inmersos, que les pueda brindar información adicional.
Por favor, dejen sus dudas en los comentarios.
[/vc_column_text][/vc_column][/vc_row]
