DESMITIFICANDO

MACHINE LEARNING
OSCAR RENDON - @ORENDON

DESMITIFICANDO EL 

MACHINE LEARNING
INTELIGENCIA ARTIFICIAL

QUÉ ES?
DESMITIFICANDO EL MACHINE LEARNING

THE QUESTION OF WHETHER A

COMPUTER CAN THINK IS NO MORE
INTERESTING THAN THE QUESTION OF
WHETHER A SUBMARINE CAN SWIM.
Edsger W. Dijkstra
INTELIGENCIA ARTIFICIAL

POR QUÉ?
INTELIGENCIA
ARTIFICIAL

PARA QUÉ?
DESMITIFICANDO EL MACHINE LEARNING

PARA QUÉ?

▸ Vision por computador

▸ Procesamiento de lenguaje natural

▸ Reconocimiento de voz

▸ Sistemas expertos

▸ Juegos

▸ Robotica
INTELIGENCIA ARTIFICIAL

RAMAS
DESMITIFICANDO EL MACHINE LEARNING

RAMAS DE LA INTELIGENCIA ARTIFICIAL

▸ Búsqueda

▸ Planeación

▸ Programación Genetica

▸ Heurísticas

▸ Representación del conocimiento

▸ Machine Learning (+ Deep Learning)

MACHINE LEARNING
SUPERVISADO VS NO SUPERVISADO

CLASIFICACIÓN, REGRESIÓN
MACHINE LEARNING

APRENDIZAJE SUPERVISADO
APRENDIZAJE SUPERVISADO
APRENDIZAJE SUPERVISADO

CLASIFICACIÓN
 X Y
Educación Edad Ingresos Candidato

Primaria 21 100 Duque

Secundaria 19 150 Petro

Pregrado 31 200 Duque

Posgrado 25 230 Petro

 X Y
Educación Edad Ingresos Candidato

1 21 100 0

2 19 150 1

3 31 200 0

4 25 230 1
DESMITIFICANDO EL MACHINE LEARNING

KNN

▸ K Nearest Neighbors (vecinos cercanos)

▸ Reconocimiento de patrones

▸ Modelo matematicamente simple

▸ Simple intuición, noción de distancia y similaridad

DESMITIFICANDO EL MACHINE LEARNING

KNN

▸ X (entrada)

▸ conjunto de variables

▸ Y (salida)

▸ Clasificación

(label/categoría, mayoría de votes de sms vecinos)

▸ Regresión

(promedio de los valorous de sus K vecinos mas
cercanos)
DESMITIFICANDO EL MACHINE LEARNING

KNN
DESMITIFICANDO EL MACHINE LEARNING

KNN
DESMITIFICANDO EL MACHINE LEARNING

KNN
DESMITIFICANDO EL MACHINE LEARNING

DISTANCIA
DESMITIFICANDO EL MACHINE LEARNING

DISTANCIA R^N
DESMITIFICANDO EL MACHINE LEARNING

DISTANCIA R^N
DESMITIFICANDO EL MACHINE LEARNING

KNN
DESMITIFICANDO EL MACHINE LEARNING

KNN
from sklearn.neighbors import KNeighborsClassifier

X = [...]
Y = [...]

model = KNeighborsClassifier()
model = model.fit(X, Y)

new_features = [12, 29, 100]

model.predict([new_features])
APRENDIZAJE SUPERVISADO
APRENDIZAJE SUPERVISADO

REGRESIÓN
 X Y
Educación Edad Ubicación Ingresos

Primaria 21 Quibdó 180.58

Secundaria 19 Alto Baudó 210.33

Pregrado 31 Quibdó 219.45

Posgrado 25 Alto Baudó 170.22

 X Y
Educación Edad Ubicación Ingresos

1 21 10 180.58

2 19 20 210.33

3 31 10 219.45

4 25 20 170.22
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

REGRESIÓN LINEAL
20

15

10

0
0 3 6 9 12
DESMITIFICANDO EL MACHINE LEARNING

LINEAR REGRESSION
from sklearn.linear_model import LinearRegression

X = [...]
Y = [...]

model = LinearRegression()
model = model.fit(X, Y)

new_features = [12, 29, 100]

model.predict([new_features])
MACHINE LEARNING

APRENDIZAJE NO
SUPERVISADO
APRENDIZAJE NO SUPERVISADO
APRENDIZAJE NO SUPERVISADO

AGRUPAMIENTO
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS

▸ Noción de similitud o distancia

▸ Sub grupos por distancia euclidiana u otra

▸ Numero de sub grupos debe ser conocido desde el

comienzo

▸ Ubicar los centroides de cada grupo iterativamente

DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
DESMITIFICANDO EL MACHINE LEARNING

K-MEANS
from sklearn.cluster import KMeans
X = [...]
Y = [...]

model = KMeans(init=‘k-means++’, n_clusters=5)

model = model.fit(X, Y)

model.predict([[1, 29, 10]])

DESMITIFICANDO EL MACHINE LEARNING

LECCIONES APRENDIDAS

▸ Estado del dataset (real %)

▸ Pre-procesamiento, normalización, incremento del set de

datos

▸ Intuición del modelo

▸ Precisión del modelo (+tunning)

▸ Bias

▸ Despliegue
DESMITIFICANDO EL MACHINE LEARNING

POR DONDE CONTINUAR?

▸ Reinventar la rueda (Pet Projects)

▸ stackoverflow.com

▸ Khan Academy

▸ MOOC en linea (coursera Edx)

▸ kaggle.com

▸ codingame.com
ANUNCIOS
OSCAR RENDON - @ORENDON

GRACIAS!