Machine Learning fácil

Según Forrester Research, "el 98% de las empresas tienen dificultades para obtener información a partir de los datos que recopilan; esto se debe principalmente a la falta de conocimientos internos"¹. Aunque la organización puede mantener su ventaja competitiva hoy en día sin estos conocimientos, el ritmo de cambio hacia la transformación digital puede afectar pronto al negocio.

Por lo tanto, las organizaciones de todo el mundo se centran en el uso de los datos e incorporan la inteligencia artificial (IA) y el aprendizaje automático, machine learning (ML) para mejorar sus negocios. Con el ML se pueden mejorar y automatizar las operaciones de negocio, predecir eventos y comportamientos, y ejecutar proactivamente acciones programáticas prescriptivas basadas en estas predicciones.

Por ejemplo, utilizando el ML y el análisis predictivo, la empresa puede identificar y dirigirse a nuevos compradores o identificar los mejores momentos para realizar una venta al comprender mejor el comportamiento y las preferencias de los consumidores. Por ejemplo, las organizaciones sanitarias pueden analizar los diagnósticos codificados y los datos de admisión, traslado y alta del paciente para reducir las tasas de reingreso. En pocas palabras, el ML puede ahorrar tiempo y recursos, mejorar las previsiones y permitir tomar mejores decisiones y obtener mejores resultados. Suena muy bien, pero hay un inconveniente: el desarrollo de modelos de ML es difícil y requiere una experiencia escasa y cara.Afortunadamente, los expertos del sector están trabajando para facilitar el uso del ML mediante el desarrollo de nuevas herramientas, como AutoML e IntegratedML^®.

Descubra:

• Por qué el ML es fundamental para el éxito de la empresa.
• Cómo la escasez de talentos está dificultando que las organizaciones aprovechen el ML.
• Qué es AutoML y cómo contribuye a ganar la guerra del talento de la IA.
• Qué es InterSystems IntegratedML^® y cómo está diseñado:
  
  • Capacita a los desarrolladores de software para desarrollar modelos de ML y aplicaciones habilitadas para ML.
  • Aumenta la productividad de los científicos de datos formados.
  • Racionaliza los procesos operativos y analíticos para mejorar la experiencia del cliente, la eficiencia operativa y la productividad.
  • Mejora la precisión de las previsiones, genera mejores resultados empresariales y permite diferenciarse de la competencia.

Este resumen tecnológico es una lectura destinada a los ejecutivos de negocio, los gerentes y los profesionales de TI, tanto si buscan ampliar la productividad de su equipo de ML como si acaban de empezar con el ML, sin necesidad de contratar a expertos en esta tecnología.

Descargar

Como aplicación de la IA, el ML entrena a una máquina para que aprenda sobre los datos a partir de la experiencia y la inferencia. Mejora continuamente los resultados sin necesidad de ser programado específicamente para ello.

ML puede analizar una amplia gama de datos y crear modelos utilizados para satisfacer una gran variedad de requisitos analíticos y operativos.

Los modelos de ML pueden ayudar a los usuarios empresariales a entender el comportamiento de los clientes o los problemas de eficiencia de los procesos, por nombrar sólo algunas aplicaciones. Cuando se implementa en línea o en el flujo operativo de una empresa, el ML puede ofrecer resultados mejorados de forma muy visible, ya sea recomendando un producto o servicio preferido a un cliente mientras navega, alertando de forma proactiva antes de realizar una venta, si existe un alto riesgo de que el proveedor no pueda cumplir o determinando si una transacción puede ser fraudulenta antes de aprobarla.

Las operaciones de los departamentos en cada área de la organización pueden beneficiarse del ML, incluyendo ventas y marketing, investigación y desarrollo, legal, recursos humanos, soporte al cliente, desarrollo de productos, incluso finanzas. El hecho es que el ML está proporcionando valor en casi todas las industrias y promete convertirse en omnipresente a medida que más y más organizaciones lo adopten.

Los usuarios ya experimentan el ML en su vida cotidiana, a través de los asistentes personales virtuales como Amazon Alexa y Siri de Apple, los filtros de spam y los detectores de malware, el método de Facebook para sugerir nuevos amigos y nuevos grupos, los chatbots que proporcionan atención al cliente en línea o los coches inteligentes que se conducen solos.

El Machine Learning ofrece muchas ventajas, pero cabe preguntarse por qué no lo utilizan más empresas. Existe una razón clave para ello: es difícil de usar y requiere un alto nivel de experiencia.

Necesita de expertos que entiendan la teoría, la tecnología, los métodos y las herramientas. Hoy en día, estos expertos son pocos y están muy solicitados. Según los últimos datos de la Oficina de Estadísticas Laborales de Estados Unidos, hay menos de 32.000 científicos de datos en total en Estados Unidos². Para agravar la carencia de especialistas en IA y científicos de datos, gran parte del talento disponible está siendo contratado por los gigantes digitales, como Amazon, Facebook, Google y Microsoft, que están pagando salarios vertiginosos. Esto dificulta que las organizaciones compitan por estos ya escasos recursos.

El Machine Learning de Máquinas (AutoML) es una nueva tecnología en auge para las organizaciones que buscan ampliar el alcance de su actual talento de ML y para aquellas que están empezando en su viaje de ML.

AutoML es un enfoque relativamente nuevo de la ciencia de datos: automatiza y simplifica la creación de modelos de ML. Realiza la ingeniería de características, automatizando el proceso de transformación de los datos brutos en formatos adecuados para los modelos de ML. Automatiza la selección de modelos, el entrenamiento y el análisis de resultados, y prueba diferentes algoritmos de ML con parámetros variables para crear el modelo más preciso para cualquier problema. Para las organizaciones que cuentan con un equipo de científicos de datos, esto automatiza gran parte de los procesos manuales y de prueba y error utilizados para construir estos modelos, y mejora significativamente la productividad de sus científicos de datos, ahorrando tiempo y esfuerzo.

Si no se cuenta con especialistas, realizar la ingeniería de características y crear y entrenar modelos puede ser un reto. Pero ahora, con AutoML, la organización no necesita necesariamente a los científicos de datos para crear modelos ML útiles. En su lugar, la empresa puede empezar con casos de uso sencillos y AutoML, al tiempo que forma a sus desarrolladores para que se encarguen de una mayor parte del proceso de análisis y desarrollo de ML.

Sin embargo, muchas herramientas de AutoML actuales son limitadas. Aunque son capaces de crear modelos ML, no proporcionan ninguna funcionalidad para ejecutar los modelos dentro de los procesos de negocio en tiempo real. Este es un aspecto importante en el que InterSystems IntegratedML es diferente.

InterSystems IntegratedML es una función integrada en la plataforma de datos InterSystems IRIS^®, un entorno completo de software de gestión de datos, y ofrece todas las características y ventajas del AutoML tradicional. Sin embargo, al estar integrado en InterSystems IRIS, puede desarrollar e implantar aplicaciones sofisticadas que ejecuten estos modelos de forma dinámica y sin fisuras en respuesta a eventos y transacciones en tiempo real, sin extraer ni mover ningún modelo o dato.

Por ejemplo, es muy útil para un banco que emite tarjetas de crédito y que necesita identificar el riesgo de fraude antes de aprobar cada transacción. Ejecuta una aplicación de tarjetas de crédito en tiempo real y de alto rendimiento, desarrollada con InterSystems IRIS, que almacena todos los datos demográficos y financieros de todos los clientes y las transacciones de las tarjetas de crédito. Esta aplicación puede contener cientos de elementos de datos para cada transacción con tarjeta de crédito, incluyendo si cada transacción fue fraudulenta o válida.

Con IntegratedML, los desarrolladores de aplicaciones existentes en un banco pueden crear automáticamente un modelo ML para identificar las transacciones de alto riesgo basándose en las transacciones anteriores, simplemente seleccionando el campo deseado (por ejemplo, "is_fraudulent") y dejando que IntegratedML cree el modelo y los parámetros más adecuados.

Pero, a diferencia del AutoML tradicional, el modelo basado en IntegratedML puede incorporarse sin problemas a la aplicación de la tarjeta de crédito para ejecutarse en tiempo real con cada transacción entrante y la aplicación puede tomar las acciones programáticas adecuadas si el modelo determina que existe un alto riesgo de fraude, como impedir la transacción y llamar y enviar un mensaje de texto al propietario de la tarjeta.

IntegratedML también facilita el mantenimiento de los modelos actualizados a medida que las aplicaciones se ejecutan en producción y se generan nuevos datos. En el caso de los fraudes con tarjetas de crédito, a medida que la aplicación detecta y evita un modo de fraude, los delincuentes seguramente iniciarán nuevas técnicas. Como todos los datos, incluidos los más recientes, se almacenan en la plataforma de datos, no es necesario crear extractos manuales ni trasladar los datos a diferentes entornos. En contrapartida, el banco puede perfeccionar continuamente los modelos utilizando los datos más recientes para detectar y prevenir nuevos patrones de ataque, sin demora.

Con InterSystems IRIS e IntegratedML, se pueden desarrollar aplicaciones que realicen acciones programáticas prescriptivas inteligentes en respuesta a eventos en tiempo real y obtener ventajas competitivas críticas y beneficios empresariales. Puede contribuir a ser el primero en comercializar un nuevo producto o servicio, a ser el primero en actuar y a ser el primero en responder a un cambio en el comportamiento del cliente.

Con IntegratedML, un desarrollador con poco o ningún conocimiento de ML puede utilizar SQL para desarrollar sofisticados modelos de ML.

Esto no quiere decir que no se deba contar con científicos de datos. Si la organización es una gran empresa con un equipo de científicos de datos, IntegratedML puede ahorrarles un tiempo considerable. Por ejemplo, una encuesta de 2018 realizada por Kaggle ML and Data Science³ descubrió que los científicos de datos dedican casi el 40 % de su tiempo a recopilar y limpiar datos⁴. El uso de IntegratedML para la preparación de datos y la ingeniería de características puede liberar a los científicos de datos para que se centren en tareas más importantes y de mayor valor, como la optimización de modelos.

Para las organizaciones que acaban de empezar con el ML, InterSystems IntegratedML permite a los desarrolladores de software y a los analistas, que están creando sus aplicaciones empresariales y que conocen los datos, explorar el ML por su cuenta. IntegratedML automatiza el trabajo básico, como la identificación de los modelos más adecuados, el establecimiento de parámetros y la construcción y el entrenamiento de los modelos. También acelera el proceso de integración de los modelos ML en las aplicaciones de producción. A medida que los desarrolladores se vuelvan más sofisticados y comiencen a entender el proceso y los resultados, podrán empezar a modificar los parámetros opcionales y a establecer los valores ellos mismos. Los científicos de datos también pueden ser más productivos con IntegratedML, ya que pueden dedicar su tiempo a la optimización del modelo real en lugar de a la manipulación de datos y a la ingeniería y selección de características.

Con IntegratedML, la formación del modelo, incluida la identificación de las características de entrada adecuadas a partir de los datos de origen, el ajuste de los parámetros del modelo y la ejecución se realizan mediante el uso de pocos comandos SQL.

El comando CREATE MODEL

El comando CREATE MODEL establece los metadatos del modelo de aprendizaje automático. Por ejemplo, en "Create Model will survive predicting Titanic", los desarrolladores especifican el nombre del modelo (WillSurvive), el campo objetivo que se va a predecir (Survived) y un conjunto de datos del que se obtendrá el campo objetivo y todos los campos de entrada del modelo (Titanic). La sintaxis FROM es totalmente general y puede especificar cualquier expresión de subconsulta. Los metadatos asociados a este conjunto de datos también se utilizan para inferir los tipos de datos de los campos de destino y de entrada, definiendo completamente el problema que debe resolver el modelo.

TRAIN MODEL WillSurvive FROM Titanic

El comando TRAIN MODEL especifica los datos que se utilizarán para el entrenamiento y ejecuta el motor AutoML, que toma como entrada un conjunto de datos relacionales. Como la sintaxis FROM es general, el mismo modelo puede entrenarse varias veces con diferentes conjuntos de datos. Por ejemplo, se aplica para entrenar un modelo de campaña de marketing en diferentes segmentos de clientes o volver a entrenar el modelo de forma regular, a medida que se dispone de nuevos datos de entrenamiento.

El motor AutoML se encarga automáticamente de todas las tareas de machine learning necesarias. Identifica las características candidatas relevantes a partir de los datos seleccionados, considera los tipos de modelos aplicables en función de los datos y la definición del problema, y ajusta los hiperparámetros para obtener uno o varios modelos ejecutables.

Los desarrolladores pueden elegir entre diferentes motores AutoML, como InterSystems AutoML, H2O y DataRobot Enterprise AI Platform. Todas las opciones del motor AutoML están perfectamente integradas en InterSystems IRIS y son transparentes para los desarrolladores.

SELECTPREDICT(WillSurvive) As Predicted FROM Titanic SELECT PROBABILITY(WillSurvive FOR 1) FROM Titanic

Una vez entrenado, el modelo proporciona resultados mediante una de las dos funciones escalares, PREDICT() y PROBABILITY(). PREDICT() devuelve el valor más probable o estimado para la columna especificada, según lo determinado por el modelo entrenado. Para problemas de categorización, PROBABILITY() devuelve la probabilidad calculada del modelo entrenado de que el campo objetivo del modelo sea igual a un valor definido por el usuario. Estas sencillas funciones escalables pueden utilizarse en cualquier lugar de una consulta y en cualquier combinación con otros campos y funciones. Una de las principales innovaciones que aporta IntegratedML es que asigna de forma transparente los campos disponibles en el contexto de consulta dado, a los campos de entrada necesarios para ejecutar el modelo.

IntegratedML proporciona flexibilidad adicional a los desarrolladores, por ejemplo, para asignar a otras fuentes de datos, diferentes de la tabla o consulta concreta que se esté utilizando, para crear o entrenar el modelo, como se ilustra en el siguiente ejemplo.

SELECT Name, PREDICT(WillSurvive WITH Sex = Geschlecht, Age = DATEDIFF(year, NOW(), Geburtsdatum), Fare = TicketPreise, Cabin = Kabine) FROM Hindenburg

Mientras que la mayoría de las soluciones AutoML operan en un entorno independiente con un acoplamiento poco estricto con plataformas de datos y aplicaciones externas, IntegratedML es diferente. Funciona a la perfección dentro de la plataforma de datos de InterSystems IRIS para acelerar y simplificar el entrenamiento y la ejecución de los modelos de ML y permite que se integren a la perfección dentro de las aplicaciones de InterSystems IRIS, sin necesidad de mover los datos o los modelos. Esta operacionalización de los modelos de ML se considera uno de los mayores impedimentos para su rápida adopción en las aplicaciones empresariales.

La tecnología de InterSystems impulsa 150.000 implantaciones en todo el mundo en diversos sectores. InterSystems IRIS Data Platform es una plataforma completa de software de gestión de datos, creada para acelerar y simplificar el desarrollo de aplicaciones en tiempo real basadas en datos.

InterSystems IRIS permite a los desarrolladores incorporar análisis sofisticados, incluyendo inteligencia de negocios, IA, ML, procesamiento del lenguaje natural y análisis predictivo en los procesos de negocio de misión crítica en tiempo real. El motor de base de datos transaccional-analítico de alto rendimiento integrado soporta simultáneamente cargas de trabajo operativas y de análisis a muy alta escala.

Además de sus capacidades de desarrollo y ejecución de ML integrado, InterSystems IRIS también permite:

Integración de datos y aplicaciones - InterSystems IRIS proporciona un conjunto completo de capacidades de integración e interoperabilidad para limpiar, transformar, normalizar datos y soportar integraciones sofisticadas. Proporciona conectividad y transformaciones de datos listas para usar para una amplia gama de aplicaciones empaquetadas, bases de datos, estándares industriales, protocolos y tecnologías para facilitar la integración y el análisis de datos, así como la creación de modelos predictivos y prescriptivos.

Además, puede integrar el procesamiento analítico como las consultas SQL, el análisis predictivo, el ML y el procesamiento del lenguaje natural (NLP) en procesos empresariales compuestos que conectan fuentes de datos y aplicaciones dispares. Estos procesos compuestos pueden agilizar las operaciones, activar alertas y hacerlo sin afectar al rendimiento de la aplicación.

Escalabilidad - InterSystems IRIS es escalable vertical y horizontalmente, y altamente eficiente en cuanto a recursos. Esto la hace idónea para aplicaciones que soportan tasas de entrada de dato de muy alto volumen, altos niveles de cargas de trabajo de análisis, muchos procesos de negocio concurrentes y la capacidad de procesar, almacenar y analizar conjuntos de datos muy grandes de manera rentable.

Informes y trazabilidad - Todos los datos (incluidos los metadatos y los datos asociados a las transacciones asíncronas de larga duración) se almacenan automáticamente en la base de datos integrada y están disponibles para la elaboración de informes y análisis en tiempo real. La visualización y el diagnóstico del comportamiento de las integraciones y los procesos es más fácil gracias a las capacidades de rastreo visual.

Desarrollo gráfico - Las herramientas gráficas de bajo código permiten a los desarrolladores diagramar visualmente los procesos, las transformaciones, las reglas y los flujos de trabajo, de modo que puedan centrarse en las interacciones lógicas entre los sistemas en lugar de en la codificación. Los modelos gráficos fomentan la colaboración entre las líneas de negocio y las TI, lo que permite a la organización desarrollar nuevas soluciones o modificar las aplicaciones existentes con mayor rapidez.

Despliegue - InterSystems IRIS es compatible con una amplia gama de opciones de despliegue, incluidas las principales nubes públicas, nubes privadas, en las instalaciones y opciones de despliegue híbrido.

Tanto si se busca proporcionar a los clientes experiencias personalizadas en tiempo real, como mejorar los resultados clínicos de los pacientes, predecir proactivamente las necesidades de mantenimiento antes de que se produzcan fallos o detectar y prevenir el fraude en tiempo real, InterSystems IRIS e IntegratedML contribuyen a alcanzar estos objetivos, entre otros.

Más información sobre InterSystems IRIS

El machine learning es la tendencia del futuro y cualquier organización que quiera competir tendrá que utilizarlo. Desgraciadamente, los científicos de datos son escasos y sus sueldos se están disparando, lo que dificulta que las grandes organizaciones amplíen su huella de ML y que las pequeñas empiecen a utilizarlo. Si bien las innovaciones como AutoML son de gran ayuda, el AutoML por sí solo no es suficiente.

InterSystems IntegratedML ofrece sofisticadas capacidades de AutoML, expuestas a través de una interfaz SQL intuitiva, y totalmente integradas dentro de una plataforma de datos completa. IntegratedML facilita el despliegue de modelos de ML en aplicaciones de misión crítica en tiempo real, sin necesidad de trasladar los datos o los modelos y sin requerir una plantilla de científicos de datos. Juntos, InterSystems IRIS e IntegratedML permiten crear un ciclo de mejora, perfeccionando continuamente los modelos de ML sin demora en respuesta a los datos de producción más recientes.

Si se cuenta con un equipo de científicos de datos, IntegratedML mejorará su productividad.

Si se acaba de iniciar el viaje de IA, IntegratedML ayuda a empezar con ML ahora, sin tener que contratar a costosos expertos.

En cualquier caso, IntegratedML puede ayudar a:

• Acelerar y simplificar la creación de modelos ML.
• Ejecutar acciones programáticas inteligentes en tiempo real.
• Racionalizar los procesos para mejorar la experiencia del cliente, la eficiencia operativa y la productividad.
• Mejorar la precisión de las previsiones, acelerar los resultados empresariales y superar a la competencia.
• Desarrollo de aplicaciones más inteligentes de forma más rápida y sencilla con menos recursos.
• Ganar la guerra del talento de la IA.

Más información sobre InterSystems IRIS

---

^{1 - Forrester. (2019) El conocimiento de los datos es clave para una experiencia del cliente diferenciada: una plataforma de análisis de datos unificada permite una CX2 oportuna y contextualmente relevante.}
2 - https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm.
3 - https://www.kaggle.com/headsortails/what-we-do-in-the-kernels-a-kaggle-survey-story.
4 - https://businessoverbroadway.com/2019/02/19/how-do-data-professionals-spend-their-time-on-data-science-projects/