Documentos de Académico
Documentos de Profesional
Documentos de Cultura
The Machine Learning Journey
The Machine Learning Journey
aprendizaje automático
El camino que le permitirá aprovechar todo el potencial
de las tecnologías de aprendizaje automático.
INTRODUCCIÓN
IDC predice que, para 2021, el gasto global en IA y tecnologías cognitivas superará
los 50 mil millones USD2. Los usuarios pioneros utilizan la IA y el aprendizaje
automático para obtener una ventaja competitiva. Según el informe State of AI
in the Enterprise de Deloitte Insights, el 63 % de las empresas invertían en el
aprendizaje automático para alcanzar a sus rivales o reducir la ventaja en 20183.
Es hora de que las organizaciones superen los retos relacionados con el aprendizaje
automático para que puedan progresar con confianza. Sin importar dónde se
encuentren las organizaciones en su recorrido por el aprendizaje automático,
encontrarán la orientación necesaria para dar el siguiente paso hacia el éxito con el
aprendizaje automático.
1
https://www.pwc.com/us/en/services/consulting/library/artificial-intelligence-predictions.html
2
https://aws.amazon.com/blogs/machine-learning/accenture-drives-machine-learning-growth-in-
one-of-the-worlds-largest-private-aws-deepracer-leagues/
3
https://www2.deloitte.com/content/dam/insights/us/articles/4780_State-of-AI-in-the-enterprise/
DI_State-of-AI-in-the-enterprise-2nd-ed.pdf
2
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
Casi siempre, esto está relacionado con algún tipo de tarea compleja de toma de
decisiones en la que normalmente se requeriría el juicio humano. La mayoría de los
casos de uso de la IA buscan un resultado con probabilidades: hacer predicciones,
clasificaciones o tomar decisiones con un alto grado de certeza y de manera similar
al juicio humano.
3
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
4
¿POR QUÉ APRENDIZAJE AUTOMÁTICO?
Ahora que hemos explicado el “por qué” del aprendizaje automático, es el momento de profundizar en el “cómo”. En las siguientes secciones,
se mostrarán los pasos a seguir en el recorrido del aprendizaje automático, gracias a la propia experiencia de Amazon y la de los clientes de
AWS que ejemplifica los cambios necesarios para implementar, utilizar y escalar correctamente el aprendizaje automático.
4
https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/
How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-
Artificial-Intelligence-Discussion-paper.ashx
5
https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/
How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-
Artificial-Intelligence-Discussion-paper.ashx
6
https://www.wired.com/wiredinsider/2019/12/intuits-machine-learning-helps-save-money/
5
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
Según Gartner, se proyecta que el valor empresarial Es importante que la administración adopte una
global derivado de la inteligencia artificial (IA) visión a gran escala y fomente las iniciativas de
alcanzará los 3900 billones USD en 20227. aprendizaje automático. Los ejecutivos deben
mantener la firmeza en sus objetivos, pero deben
“(El aprendizaje automático) potenciará y mejorará
ser flexibles en la forma en que la organización
cada empresa, cada organización gubernamental,
los alcanza. Seguro que se cometerán errores.
cada filantropía, básicamente no hay institución en
Sin embargo, si se mantienen enfocadas en la
el mundo que no pueda mejorar con el aprendizaje
perspectiva a largo plazo y no permiten el desánimo,
automático”, afirma Jeff Bezos, fundador y director
las organizaciones pueden sacar provecho de cada
ejecutivo de Amazon.
error y aplicar esos aprendizajes para defender
Para liberar todo el potencial empresarial del una cultura de aprendizaje automático en toda
aprendizaje automático se necesitarán cambios la empresa.
culturales en la organización, los objetivos y la
Tal vez el mayor cambio cultural que deben
perspectiva del equipo.
experimentar las organizaciones sea la tolerancia
Si se desea que el aprendizaje automático se a errores.
propague por toda la organización, tanto los equipos
El aprendizaje automático es un proceso iterativo,
empresariales como los técnicos deben trabajar
que solo puede tener éxito a través de la
juntos y compartir las mismas prioridades. Para
experimentación constante. La mayoría de las veces,
lograr esto, el esfuerzo del aprendizaje automático
estos experimentos resultarán en fracasos. Solo si
debe contar desde el principio con el apoyo de los
se toleran estos fracasos, y si se rehúsan a detener
niveles más altos, con objetivos establecidos por los
el progreso para determinar “qué fue lo que salió
líderes ejecutivos y una inversión en la tecnología
mal”, las organizaciones pueden alcanzar de forma
y en los procesos que permitan alcanzar el éxito.
consistente el éxito que las espera al otro lado.
7
https://www.gartner.com/en/newsroom/press-releases/2018-04-25-gartner-says-global-artificial-intelligence-business-value-to-reach-1-point-2-trillion-in-2018
6
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
7
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
El éxito del aprendizaje automático depende en gran Si bien las estrategias de datos modernas adoptan
medida de la calidad de los datos. Sin una estrategia muchas formas, los lagos de datos se están
de datos adecuada, el progreso será más lento y convirtiendo en un componente central cada vez
obstaculizará la eficacia del modelo final. Peor aún, más popular de los modelos más eficientes. Los
si el modelo recibe información de datos erróneos, lagos de datos ofrecen más agilidad y flexibilidad
los resultados que genera pueden ser engañosos, que los sistemas tradicionales de administración
o incluso totalmente incorrectos. de datos, lo que permite a las empresas administrar
múltiples tipos de datos de una amplia variedad de
“(Los modelos de aprendizaje automático) son muy fuentes y almacenar los datos, ya sean estructurados
sensibles a la calidad de los datos”, explica Freshwater. o no estructurados, en un repositorio centralizado.
“Así que aprendimos, en muchos casos por las
malas, que el tiempo invertido en obtener datos de Una vez almacenados, los datos se pueden analizar
alta calidad en el comienzo producía dividendos en mediante muchos tipos de servicios de análisis
nuestros modelos al finalizar”. y aprendizaje automático, de forma más rápida
y eficiente que con los enfoques tradicionales en silos.
La estrategia de datos adecuada para el aprendizaje Las arquitecturas de lagos de datos también permiten
automático debe tener como objetivo desglosar los que múltiples grupos dentro de la organización
silos, para que los equipos de TI puedan acceder a los se beneficien del análisis de un conjunto de datos
datos y recopilarlos de forma fácil, rápida y segura. coherente que abarca toda la empresa.
8
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
8
https://www.zillow.com/tech/improving-scheduling-efficiency 9
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
10
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
“Un primer paso es identificar un problema que contenga muchos datos, pero que Juntos, estos equipos también deben trabajar en la manera de medir el éxito.
no se haya podido resolver con los métodos tradicionales”, explica Freshwater. “Asegúrese de tener medidas muy precisas y claras a medida que se adentra en
el aprendizaje automático”, dice Freshwater. “Muchas veces, los modelos toman el
Para lograr que el aprendizaje automático sea un éxito, las organizaciones crean control de algo que ya existe y uno quiere asegurarse de que son realmente mejores
equipos de aprendizaje automático destinados a abordar problemas empresariales y de que eso se puede medir”.
específicos. Para ello, es necesario incluir en estos equipos tanto a expertos técnicos
como a expertos en la materia. Si bien los expertos técnicos serán los más afectados Para obtener más información acerca de cómo medir el éxito de las iniciativas
por la creación de modelos, necesitan los conocimientos de campo de los expertos en de aprendizaje automático, consulte el Paso 6 en este libro electrónico.
la materia para definir con precisión los desafíos empresariales e identificar los datos
más importantes para encontrar una solución. Algunas organizaciones cuentan con las aptitudes necesarias para identificar los
problemas que el aprendizaje automático podría tratar óptimamente y para implementar
Este enfoque también es fundamental para la administración del cambio: cuando los los programas piloto apropiados. Las organizaciones que necesitan ayuda en esta área
expertos técnicos y los expertos en la materia colaboran en la creación de modelos deben contactar a expertos y colaborar con ellos para “trabajar en retrospectiva” a partir
de aprendizaje automático, los empleados se sienten más seguros a la hora de tomar de desafíos empresariales. Luego, deben avanzar gradualmente en el proceso de creación
decisiones basadas en la lógica del algoritmo. de proyectos de aprendizaje automático para resolver esos desafíos.
11
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
Para tratar esta necesidad, la NFL ha trabajado junto con AWS para darle vida a la
herramienta NFL Next Gen Stats (NGS) basada en el aprendizaje automático. Como
la ciencia y el fútbol son disciplinas completamente diferentes, la NFL convocó
sabiamente a los expertos técnicos y a los expertos en el área a la creación de NGS.
Se aseguró de que ambos grupos pudieran trabajar en conjunto para identificar los
datos correctos y desarrollar estadísticas convincentes para los fanáticos del fútbol9.
Esta asociación también ayuda a lograr la aceptación de NGS, ya que es más probable
que los comentaristas mencionen estadísticas avanzadas que los expertos en fútbol
(y, en algunos casos, las mismas emisoras) crearon.
9
https://aws.amazon.com/nextgenstats/
12
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
13
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
Gracias a esta guía, muchas organizaciones han descubierto que las personas que
componen sus equipos en realidad son las personas que necesitan para eliminar
la falta de habilidades en el aprendizaje automático. Aunque es posible que todavía
se necesite otro reclutamiento, los cambios en relación con la administración,
los procesos y la organización hacen gran parte del trabajo de mejorar las
habilidades para lograr un aprendizaje automático exitoso.
14
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
10
https://newsroom.morningstar.com/newsroom/news-archive/press-release-details/2019/Morningstar-Launches-
Global-AWS-DeepRacer-Corporate-Competition-to-Accelerate-Application-of-Machine-Learning/default.aspx
15
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
Luego de los primeros proyectos pilotos exitosos, rapidez y menor costo. De esta forma, permite la
las organizaciones deben avanzar al siguiente expansión sostenible de las iniciativas de aprendizaje
paso de este recorrido: el escalado del aprendizaje automático más allá de los proyectos piloto.
automático en la empresa de manera sostenible.
Este es un desafío tanto técnico como cultural. Existen muchas formas en que las empresas abordan
el cambio cultural necesario para escalar el aprendizaje
Para lograr el escalado, las organizaciones deben automático. Es posible que algunas tengan éxito
facilitar el uso del aprendizaje automático a los al crear un centro de excelencia que consolide a
desarrolladores. La construcción de modelos de la comunidad y continúe la búsqueda de nuevas
aprendizaje automático a escala puede ser una tarea iniciativas. También, como es el caso de Amazon,
intensa y compleja, capaz de ralentizar la innovación. las organizaciones pueden hacer que el aprendizaje
automático sea una parte integral de los procesos de
Muchas organizaciones realizan el escalado con planificación anual, reuniendo continuamente a los
Amazon SageMaker, una solución integral que expertos técnicos y los expertos en la materia para
cubre la totalidad del flujo de trabajo de aprendizaje intercambiar ideas y determinar los próximos pasos
automático para construir, entrenar e implementar de la compañía.
los modelos de aprendizaje automático. Gracias
a Amazon SageMaker, las organizaciones pueden
llevar sus modelos a la fase de producción con mayor
16
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
“AWS le brinda a las personas que trabajan en Intuit una plataforma común para “AWS le brinda a las personas que
compartir información y colaborar en un entorno seguro”, afirma Ashok Srivastava,
vicepresidente sénior y director de datos de Intuit. “Por ejemplo, Amazon SageMaker
trabajan en Intuit una plataforma común
nos brinda la plataforma y la infraestructura necesarias para poner en marcha para compartir información y colaborar
tecnologías sofisticadas de inteligencia artificial y de aprendizaje automático”.
en un entorno seguro”
Lea la historia completa » Ashok Srivastava, vicepresidente sénior y
director de tecnología de Intuit
17
EL RECORRIDO POR EL APRENDIZAJE AUTOMÁTICO
Cuando se busca evaluar los resultados del trabajo Si bien las métricas tradicionales de ROI pueden
con aprendizaje automático, el enfoque tradicional de no ser el mejor enfoque para medir el impacto que
“rentabilidad del proyecto” (en el que un proyecto debe tienen las iniciativas de aprendizaje automático sobre
tener un comienzo y un final definidos, un presupuesto las empresas, sí es posible medirlo. Solo se trata de
y un retorno económico) es reduccionista y puede ser cambiar de enfoque.
perjudicial para el éxito de las iniciativas del negocio.
Si el proyecto no genera un rendimiento positivo en Para medir los resultados del aprendizaje
el tiempo dado, la empresa puede perder interés en automático, podemos usar algo similar a un “árbol
él y perderse oportunidades cruciales en el proceso. de valores”, en el que el tronco principal represente
el “rendimiento de los ingresos” tradicional y las
Para que esto no suceda, los ejecutivos y el personal ramas que se desprenden de él representen el valor
de tecnología de la información deben evaluar los de otros resultados del negocio.
resultados del trabajo con aprendizaje automático
en función de lo que significa el éxito para su empresa, Las ramas específicas de este árbol de valores
en relación con la optimización de los procesos. dependerán de la organización, la industria y la
Además, deben entender los esfuerzos que se dedican iniciativa, pero podrían ser cosas como “ahorro
al aprendizaje automático como inversiones a largo de tiempo mediante procesos automatizados”,
plazo, teniendo en mente que pueden pasar muchos “nuevos mercados, datos útiles y oportunidades
años y llevarse a cabo infinitas iteraciones antes de identificadas”, “mejoras en el servicio al cliente”
obtener un verdadero “rendimiento”. e “incremento en ventas a mayor precio”.
Cuando se planifican iniciativas de aprendizaje Evaluar el éxito del aprendizaje automático a través
automático, es mejor hacerlo desde un enfoque de un modelo más holístico y a largo plazo le
que priorice la agilidad, la ventaja competitiva y permitirá a sus equipos de trabajo concentrarse en
la tolerancia a riesgos, antes que el rendimiento los mejores resultados para el futuro de la compañía.
esperado. Las organizaciones tendrán mucho más
éxito si dejan de lado preguntas como:“¿qué ganancia
obtendré en X meses?” y empiezan a hacerse
preguntas del tipo de: “¿si no invertimos en esto ahora,
nos atrasaremos frente a nuestros competidores en
X años cuando avance la tecnología?”
18
DAR EL PRÓXIMO PASO
19
DAR EL PRÓXIMO PASO
El aprendizaje automático con AWS en cifras AWS AI Services: no necesita contar con experiencia previa en aprendizaje automático
para aprovechar los beneficios de estos servicios de AWS basados en inteligencia artificial:
Ofrecen un rendimiento 3 veces más rápido13. Marcos de aprendizaje automático: los clientes de AWS pueden elegir entre
TensorFlow, PyTorch, Apache MXNet y otros marcos populares para personalizar los
Mejoran el precio y el rendimiento en un 25 %14 . algoritmos de aprendizaje automático y llevar a cabo experimentos con ellos. Pueden
utilizar el marco de su elección como una experiencia administrada en Amazon
El 81 % de los proyectos de aprendizaje profundo SageMaker o utilizar las AMI de AWS Deep Learning (Imágenes de Amazon Machine)
totalmente configuradas con las últimas versiones de los marcos de aprendizaje
en la nube se ejecuta en AWS.
profundo más populares y herramientas.
El 85 % de los proyectos de TensorFlow en la nube
Informática: Los clientes de AWS se benefician de un amplio abanico de opciones
se ejecuta en AWS.
informáticas potentes, desde las GPU para aprendizaje profundo con uso intensivo
de recursos informáticos hasta las FPGA para aceleración especializada de hardware
e instancias con gran capacidad de memoria para ejecutar inferencias. Amazon EC2
proporciona una gran selección de tipos de instancia optimizados para trabajar con
casos de uso de aprendizaje automático, sin importar si el cliente está entrenando
un modelo o ejecutando inferencias en modelos entrenados.
11
Según mediciones obtenidas en la prueba de punto de referencia de ResNet-50, TensorFlow optimizado
AWS DeepRacer Formación técnica y certificaciones de aprendizaje automático
para AWS registró el tiempo de entrenamiento más rápido, superando al resto en un 50 %.
AWS DeepLens Amazon Machine Learning Solutions Lab
12
El uso de TensorFlow optimizado para AWS permite una eficiencia de escalado casi lineal de hasta un
90 % en comparación con el 65 % que se obtiene utilizando TensorFlow común.
13
en comparación con otros proveedores que utilizan instancias P3dn
14
utilizando instancias C5 con un procesador Intel Xeon de 3,0 GHz, en comparación con instancias de
generaciones anteriores
20
CONCLUSIÓN
La mayoría de las organizaciones han hecho Datos en silos, sin procesar Crear una estrategia moderna de datos que
inversiones en aprendizaje automático y se incluya lagos de datos
encuentran en alguna etapa del recorrido. Pero
muchas se encuentran con obstáculos en su camino
y se vuelcan a soluciones provisorias, preocupadas Localización de los problemas Formar equipos de trabajo mixtos que incluyan
por que los costos y el nivel de complejidad sean empresariales adecuados tanto a expertos técnicos como a expertos
demasiado altos en el futuro. en la materia.
En este libro electrónico, hemos hecho un recorrido La falta de habilidades Adoptar nuevos modelos de organización,
por los pasos necesarios para avanzar y descubrir en aprendizaje automático procesos y filosofías de gestión de equipos
todo el potencial del aprendizaje automático. A modo
de conclusión, echemos un vistazo a los desafíos
más grandes que identificamos en el camino, junto Escalado sostenible más allá de los Aprovechar herramientas integrales, como
con una breve descripción de la manera en que las proyectos piloto Amazon SageMaker, para simplificar el desarrollo
organizaciones pueden superarlos. del aprendizaje automático
Para obtener más información acerca de la manera en que las organizaciones pueden
superar obstáculos y acelerar su recorrido por el aprendizaje automático, visite el
centro de recursos de aprendizaje automático de AWS.
Comience »
21