Spring GDS 25 Aniversario
Una empresa de logística que envía a 190 países construyó algo para enviarse a sí misma.
Machine learning
¿Qué es el machine learning?
El machine learning es software que aprende patrones a partir de los datos en lugar de seguir reglas que un programador escribió a mano. En vez de indicarle a un sistema cada condición para detectar un fraude, le muestras miles de transacciones pasadas etiquetadas como fraude o no, y él deduce las señales que separan unas de otras. El resultado es un modelo, que luego hace predicciones sobre datos nuevos que nunca ha visto.
Se divide en unos cuantos estilos amplios. El aprendizaje supervisado entrena con ejemplos etiquetados para predecir un resultado, como el precio de una casa o si un correo es spam. El aprendizaje no supervisado encuentra estructura en datos sin etiquetar, como agrupar clientes en segmentos que nadie definió de antemano. El aprendizaje por refuerzo entrena por ensayo y recompensa, el enfoque detrás de buena parte del trabajo en juegos y robótica. El machine learning es una rama de la inteligencia artificial, y la mayoría de lo que hoy se llama IA, desde los feeds de recomendación hasta los modelos de lenguaje, funciona sobre él. Un servicio de streaming que predice qué series terminarás es un modelo de machine learning entrenado con lo que vieron millones de espectadores antes.
La parte difícil rara vez es el algoritmo. Son los datos. Un modelo es tan bueno como los ejemplos de los que aprende, y unos datos sesgados o escasos producen un modelo seguro de sí mismo que se equivoca en silencio.
El machine learning en Dallonses
Incorporamos machine learning a los productos donde resuelve un problema real, no porque una presentación exigiera IA. La primera pregunta que nos hacemos es si un modelo es siquiera la herramienta adecuada, porque muchos problemas se resuelven mejor con reglas claras y buenos informes. Cuando un modelo sí encaja, somos honestos sobre lo que los datos pueden sostener.
Marcas globales nos traen sus problemas de datos más difíciles, y nuestras soluciones de machine learning suelen empezar por el trabajo poco glamuroso: conseguir datos limpios y representativos con una forma de la que un modelo pueda aprender. Construimos, evaluamos y desplegamos el modelo, y luego observamos cómo se comporta con tráfico real, porque un modelo que lucía estupendo en pruebas puede derivar cuando el mundo cambia a su alrededor. El machine learning honesto se mide en producción, no solo en un notebook.
¿Tienes un problema donde el patrón está en los datos pero cuesta describirlo? Modelémoslo.
Servicios relacionados
Trabajos relacionados
Vizitio
Convertir una marca en un negocio que funciona.
Access Ticket
Medio millón de personas. Una app. Cero caos.
¿Listo para trabajar juntos?
Reservar una reunión
