Introducción al aprendizaje automático y a la inteligencia artificial de SimplyVital Health

Foto de Franck V. en Unsplash

En términos simples, la regularización busca evitar la formación de redes o soluciones complejas, porque las soluciones complejas tienden a sobreajustarse al conjunto de datos individual. Lo hace tomando su función de costo y agregando una Norma Lasso o Ridge de sus pesos con un término de regularización que penaliza efectivamente las soluciones complejas. Su nueva función de pérdida es así

? (?, ?) + ?? (?)

donde ? es su término de regularización y N es su norma Lasso o Ridge.

¿Pero para qué se puede usar todo esto?

Visión por computador

AI / ML ha revolucionado el campo de la visión por computadora. Puede usar esta tecnología para ayudar a los robots y los automóviles a identificar y navegar por su entorno. Puede procesar imágenes para diferentes servicios automáticamente. Y otro uso es procesar la escritura y el texto.

Seguridad

AI / ML tiene un uso importante para jugar en seguridad. Se puede utilizar para la identificación de fraudes, lo que le permite aprender y detectar conjuntos de datos atípicos para actividades fraudulentas. AI / ML se puede utilizar para permitir que los profesionales de seguridad clasifiquen numerosos registros rápidamente para identificar problemas. AI / ML también se puede demandar para identificar áreas que están en riesgo antes de tiempo, lo que le permite tomar medidas preventivas.

Cuidado de la salud

AI / ML tiene una gran cantidad de usos en la asistencia sanitaria. Estos pueden abarcar desde el procesamiento de imágenes médicas, la predicción del riesgo del paciente, las predicciones de costos financieros, ayudar a un paciente a mantenerse activo activamente, la detección temprana de problemas, el diagnóstico y la toma de decisiones, por nombrar algunos.

Foto de Olga Guryanova en Unsplash

¡Ahora que le han presentado AI / ML y casos de uso, podemos comenzar a buscar herramientas para ayudarlo a comenzar!

TensorFlow

TensorFlow es una biblioteca de código abierto desarrollada por Google. Es gratis y proporciona herramientas de matemáticas, flujo de datos y aprendizaje automático y está basado en Theano. Esto puede no significar mucho para usted ahora, pero una parte importante de TensorFlow es que tiene un gráfico estático, lo que significa que debe definir el gráfico de su modelo con anticipación. TensorFlow tiene una curva de aprendizaje más pronunciada pero un amplio apoyo de la comunidad. TensorFlow también tiene TensorBoard, que es una herramienta de visualización útil.

PyTorch

PyTorch es una biblioteca de código abierto desarrollada por Facebook y basada en Torch. Los gráficos de PyTorch son dinámicos y se pueden definir durante el tiempo de ejecución. PyTorch tiene una curva de aprendizaje más fácil, pero es más nueva y tiene una comunidad más pequeña. PyTorch también tiene un módulo de Autograd que permite un entrenamiento de red neuronal más eficiente.

SciKit

SciKit es una biblioteca de Python gratuita que ofrece muchos problemas de AI / ML.

Pandas

Pandas es una biblioteca de Python gratuita muy utilizada en AI / ML para la manipulación y análisis de datos. Le permite convertir la mayoría de sus datos a DataFrames que se pueden usar en otros marcos.

¡Espero que hayas disfrutado este artículo y lo hayas encontrado útil! Se suponía que era una introducción de alto nivel a los conceptos de AI / ML. Si está interesado en aprender más, aquí hay una breve lista de sugerencias.

Educación adicional: si puede tomar un programa de educación superior, lo recomendaría. si esa no es una opción, consulte los programas y cursos en línea como la Introducción de Coursera de Stanford Tutoriales en línea: hay muchos materiales en línea para ayudarlo a aprender más, por ejemplo, ¡TensorFlow tiene un montón de tutoriales que puede usar! Contribuya: No hay Mejor manera de aprender algo que a través de la práctica, eche un vistazo a algunas de las bibliotecas de código abierto y contribuya. Lectura: Hay un montón de excelentes libros sobre el tema, como Aprendizaje automático práctico con Scikit-Learn y TensorFlow

Finalmente, si hay algún tema con el que le gustaría profundizar más, ya que esto era solo una descripción general de alto nivel, ¡por favor comente a continuación y podemos buscar hacer un artículo más en profundidad sobre él! ¡Gracias por leer y esté atento a la página Medium de SimplyVital Health!