Curso de

Bagde
Inteligencia
del curso Artificial con IBM
Watson
Isaac Carrada
 Introducción
de Watson
A todo esto ¿Qué es Watson?
¿Cómo se come?
Watson es el nombre de los
servicios de AI de IBM

Yo
 Formas de Consumo

● SDK
Existente para la mayoría de lenguajes
● API
Consumibles con peticiones REST
● UI
Dentro de algunos servicios, lo podemos
consumir desde su interfaz
 Proyecto Final

Tendremos la implementación de un
“chatbot” asistente viajero que
puede escribir/consumir datos de
una base de datos
Personality Insights
Análisis de personalidad
 Personality Insights

Servicio basado en la psicología del

lenguaje en combinación con algoritmos
de datos, analiza el contenido mandado
y regresa el perfil de personalidad. La
personalidad es inferida con 3 modelos.
 Big Five

Es el modelo más usado para ver cómo una

persona interactúa con el mundo, 5 dimensiones:
● Agreeableness
● Conscientiousness
● Extraversion
● Emotional range
● Openness
 Necesidades y Valores

● ¿Qué aspectos de un producto

resuenan con una persona?
- 12 características
● Factores que influencian la
decisión - 5 valores
 Preferencias de consumo

● Compras ● Emprendimiento
● Películas ● Medio ambiente
● Música ● Voluntariado
● Lectura y
aprendizaje
● Salud y actividades
 Casos de uso

● Mkt especializado
● Adquisición de clientes
● Atención a clientes
● Conexiones personales
● Escribir un CV
 Interpretando Resultados

● El resultado es un percentil normalizado

comparado con una población base
● Probablemente - Quizá - Sí
 Otras consideraciones

● El texto usado debe ser reflexivo

● Lo importante es que demuestre
qué palabras elige el usuario
● Alrededor de las 3000 palabras se
nivela el resultado
curl -X POST -u "apikey:{apikey}" \
--header "Content-Type:
text/plain;charset=utf-8" \
--header "Accept: application/json" \
--data-binary
@{path_to_file}profile.txt \
"{url}/v3/profile?version=2017-10-13"
Natural Language
Classifier
Clasificación de texto
 Natural Language Classifier

Servicio que usa algoritmos de

aprendizaje automático para asignar una
clase a textos cortos. Estas clases son
dadas por el usuario desde un inicio y se
entrena con textos ejemplo.
Uso del Servicio

Preparar datos Crear y entrenar Consumir el Evaluar resultados y

De entrenamiento El clasificador clasificador actualizar datos

● Identificar las ● Usar el API para ● Usamos el API ● Actualiza los datos
clases subir los datos de para mandar texto de entrenamiento
entrenamiento al clasificador
● Adquirir textos ● Crea y entrena un
representativos El entrenamiento El servicio regresa la clasificador usando
comienza clase con mayor los datos de
● Asignar una clase
inmediatamente certeza y otras entrenamiento
a cada texto
opciones actualizados
 Casos de Uso

● Clasificación de textos legales.

● Analiza CVs para asignar categorías
● Categorizar consultas de servicios
● Organizar textos en redes sociales.
● Categorizar ofertas
 Lenguajes

● Ingles ● Japonés
● Árabe ● Coreano
● Francés ● Portugués
● Alemán ● Español
● Italiano
 Otras consideraciones

● Entrene los clasificadores con frases

de texto, cada una de ellas con un
máximo de 60 palabras.
● 5-10 frases mínimo por clase
● Cree hasta 8 clasificadores con cada instancia
de servicio clasificador de lenguaje natural.
● Clasificar hasta 30 frases de texto
independientes en una sola solicitud.
curl -i -u "apikey:{apikey} \
-F training_data=@data_train.csv \
-F
training_metadata="{\"language\":\"es\"
,\"name\":\"TutorialClassifier\"}" \
"{url}/v1/classifiers"
 Consumo

La respuesta nos da un Classifier

ID y un estatus.
Podemos consultar el estado del
entrenamiento al igual.
curl -u "apikey:{}” \
"{url}/v1/classifiers/{CID}"

curl -G -u "apikey:{apikey}" \
"{url}/v1/classifiers/{classifier_id}/c
lassify" \
--data-urlencode "text={texto}"
Watson NLU

Análisis de sentimiento
 Natural Language
Understanding

Servicio pre entrenado que extrae

categorías, conceptos, emociones,
entidades, palabras clave, metadata,
relaciones, roles semánticos y obtiene
el sentimiento dado cualquier texto.
 Categorias

Cada categoría tiene subcategorías y todas

estas son vistas por niveles. Pueden existir
hasta 5 niveles. Por ejemplo:

● Art and entertainment

○ books and literature
■ best-sellers
 Conceptos

Identifica conceptos generales

relacionados que no hayan sido
necesariamente referenciados
en el texto.
 Emoción

Analiza la emoción en frases/documentos

También podemos obtener la emoción

de una entidad. Ejemplo:

Texto: Amo las manzanas, odio las naranjas

Target: manzana, naranja
Respuesta: manzana: felicidad, naranja: furia
 Entidades
Identifica personas, lugares, eventos y algunos
otros tipos de entidades. Por ejemplo:

Enunciado:
IBM es una compañía transnacional con
sede en Nueva York

Resultado:
IBM - compañía
Nueva York - Localización
 Palabras Clave

Nos trae palabras relevantes y su

relevancia. Ejemplo:

Respuesta: Nueva York, IBM, compañía

 Metadata

Cuando el input fue un URL o un

HTML nos trae el autor de la página
web, el título de la página y la fecha
de publicación.
 Relaciones

Identificar cuando dos entidades están

relacionadas y el tipo de relación que
tienen. Ejemplo:

“El Premio Nobel de Física en

1921 se le otorgó a Albert Einstein”

AwardedTo
TimeOf
 Roles Semánticos

Estructura la oración en
verbo-sujeto-objeto y nos dice
cuál es el rol de cada objeto/sujeto
en relación con el verbo.
 Sentimiento

Analiza el sentimiento de
frases/documentos (positivo o negativo).
También podemos obtener el
sentimiento adjunto a las
entidades/palabras clave.
curl -X POST -u "apikey:{apikey}" \
"{url}/v1/analyze?version=2019-07-12" \
--header "Content-Type: application/json" \
--data '{
"url":
"https://www.unotv.com/noticias/portal/tecnologia/detal
le/conoce-a-cimon-primer-astronauta-hecho-de-inteligenc
ia-artificial-394114/",
"features": {
"sentiment": {},
"categories": {},
"concepts": {},
"entities": {},
"keywords": {}
}
}'
curl -X POST -u "apikey:{apikey}" \
"{url}/v1/analyze?version=2019-07-12" \
--request POST \
--header "Content-Type: application/json" \
--data '{
"text": "¡Esta en una super ubicacion! El servicio pesimo,
gente grosera",
"features": {
"sentiment": {
"targets": [
"ubicacion",
"servicio",
]
},
"keywords": {
"emotion": true
}
}
}'
Watson Discovery
 Discovery

Habilita la creación de aplicaciones

cognitivas y de exploración en la nube
mientras enriquece la información oculta
en los datos no estructurados (pueden ser
privados o públicos)
 Discovery

Solo toma unos pocos pasos preparar tu

data no estructurada, crear una consulta
de lo que necesitas e integrar esos
hallazgos en tu aplicación
Arquitectura de la solución
Data Ingesta
Los documentos se convierten y
enriquecen automáticamente
utilizando servicios de watson para
añadir la metadata de NLP a tu
contenido, haciendo más sencillo
explorar y aprender del mismo.

Almacenamiento Consultas Salida

La data es “indexeada” Podemos tener un nos da información
en una colección como mejor entendimiento implementable o que
parte de tu ambiente en de los datos haciendo nos ayuda
la nube consultas
 Con Assistant

Discovery habilita la implementación

de una habilidad de búsqueda, en un
nodo de Watson Assistant
(únicamente en Assistant Plus)
 Watson Discovery News

Set de datos previamente enriquecido e

indexado:
● Keyword Extraction
● Entity
● Semantic Role
● Sentiment
● Relation
● Category
● Crawl and Publication date
 Watson Discovery News

● Búsqueda histórica tiene una

profundidad de 60 días
● En español: 60,000 nuevos artículos
diario
Knowledge Studio
 Knowledge Studio

Knowledge Studio permite crear un

modelo de ML o reglas personalizado para
nuestro NLU / Discovery
 Roles

● Admin
● Project Manager
● Human Annotator
 Modelos

● Machine Learning
● Reglas
 Type system

Controla la forma en la que el contenido

puede ser anotado dependiendo de
entidades y relaciones previamente
definidas
 Menciones, Entidades y
Relaciones

● Mención: texto relevante en tu dominio

● Tipo de Entidad: categorías asignadas a
objetos de la vida real
● Entidad: Menciones clasificadas en tipos
de entidades
● Relación: entre dos entidades, misma
oración
Watson
Assistant
 Assistant

Watson assistant es la
herramienta que tiene IBM para
hacer un bot conversacional
 Elementos

● Intent
La intención que tiene el usuario
al interactuar con el bot
● Entity
“Variables”. Objetos
● Dialog
Programación del flujo de diálogo
Speech to Text
 Speech

API que nos permite transcribir

audio en texto, generalmente se
utiliza integrado con Assistant
 Interacciones

● Síncrono (http)
● Asíncrono (http)
● Websocket
Text to Speech
 Text

API que nos permite “leer” o

“hablar” un texto, generalmente se
utiliza en implementación con
Assistant y Speech to Text
Voice Agent
 Voice Agent

Solución de IBM que contempla el uso de

proveedor SIP - Text To Speech - Assistant -
Speech to Text

Podemos usar SMS y llamadas, se puede

integrar de otras formas
Watson Studio
 AI vs ML

¿Es lo mismo Inteligencia

Artificial que Machine Learning?
 Aprendizaje Supervisado

● Regresión
Números
● Clasificación
Clases (Binario o palabras)
 Aprendizaje no Supervisado

● Clusterización
Encontrar la estructura interna
dentro de nuestros datos
Watson Studio

Watson Studio es la suite que tiene IBM

para todo lo que es Ciencia de Datos
Visual Recognition
 Visual Recognition

Utiliza algoritmos de aprendizaje

profundo para analizar imágenes de
escenas, objetos y otros contenidos
 Modelos

● General
Entrenado con miles de clases
● Explícito
Si una imagen es apta para uso
general
● Comida
Elementos de comida
● Personalizado
 Modelos

● Personalizado
Clasificación y Detección de Objetos
 Limitaciones en
Entrenamiento

● Máximo 10,000 imágenes/100 MB por zip

● Mínimo 10 imágenes por zip
● Máximo 256MB por entrenamiento
● Mínimo recomendado: 32x32px
 Limitaciones en Consumo

● Máximo 10 MB por imagen

● Mínimo 100MB por zip con hasta 20
imágenes
 Buenas Prácticas

● Mínimo 224x224 px por imagen

● Mínimo 100MB por zip con hasta 20
imágenes
● Al menos 50 imágenes por clase positiva
● De 150-200 logra balance de
tiempo/certeza
 Buenas Prácticas

● Mismo número de clases negativas que

positivas
● Fondos que sean parecidos a lo que
clasificarás
● Objeto a clasificar: ⅓ mínimo de la imagen
 Modelos

● Personalizado
Clasificación y Detección de Objetos
Cloudant
 Cloudant

Cloudant es la Base de Datos

no relacional que tiene IBM.
Está basada en Couch DB
Integración