Hola,
ahora abordaré este tema: ¿cómo habilitar el ML y DL? este tema también para mí es nuevo y espero que disfrutes este viaje conmigo donde esperemos llegar a entender y aplicar el ML y DL.
Prerrequisitos
El ML no vienen a nosotros por obra del espíritu santo, es un largo camino llegar ahí:
0. ***Definir lo que queremos obtener de un ML y DL***
1. un conjunto de datos grandes para que valga la pena aplicar técnicas de ML y consolidarlos en un catálogo de información (¿te suena a Data Lake? es correcto)
2. limpiar la información es decir, quitar renglones vacíos, quitar registros inservibles, consolidar información de distintas fuentes, descartar información que no nos va a servir para los modelos que queremos implementar con ML.
3. definir los algoritmos con los cuales generaremos el modelo de ML
4. probarlo y tener el juicio necesario para entender que el modelo es adecuado y funciona para nuestro objetivo. LAS MAQUINAS TODAVIA NO TIENEN CAPACIDAD DE JUICIO PARA HACERLO POR NOSOTROS
5. desplegar el modelo de ML y ver sí los usuarios (incluyéndonos) estamos satisfechos con el resultado
Listo, para llegar a esto utilizaré Watson Studio para los ejemplos de ML y DL.
Watson Studio es un servicio de IBM Cloud que sirve como una plataforma para habilitar aplicaciones de Inteligencia Artificial o aplicaciones cognitivas con todos los servicios de AI que tiene IBM denominado Watson.
ahora abordaré este tema: ¿cómo habilitar el ML y DL? este tema también para mí es nuevo y espero que disfrutes este viaje conmigo donde esperemos llegar a entender y aplicar el ML y DL.
Prerrequisitos
El ML no vienen a nosotros por obra del espíritu santo, es un largo camino llegar ahí:
0. ***Definir lo que queremos obtener de un ML y DL***
1. un conjunto de datos grandes para que valga la pena aplicar técnicas de ML y consolidarlos en un catálogo de información (¿te suena a Data Lake? es correcto)
2. limpiar la información es decir, quitar renglones vacíos, quitar registros inservibles, consolidar información de distintas fuentes, descartar información que no nos va a servir para los modelos que queremos implementar con ML.
3. definir los algoritmos con los cuales generaremos el modelo de ML
4. probarlo y tener el juicio necesario para entender que el modelo es adecuado y funciona para nuestro objetivo. LAS MAQUINAS TODAVIA NO TIENEN CAPACIDAD DE JUICIO PARA HACERLO POR NOSOTROS
5. desplegar el modelo de ML y ver sí los usuarios (incluyéndonos) estamos satisfechos con el resultado
Listo, para llegar a esto utilizaré Watson Studio para los ejemplos de ML y DL.
Watson Studio es un servicio de IBM Cloud que sirve como una plataforma para habilitar aplicaciones de Inteligencia Artificial o aplicaciones cognitivas con todos los servicios de AI que tiene IBM denominado Watson.
Comentarios
Publicar un comentario