Data Science

Ciencias de Datos (Data Science)

La Ciencia de Datos, es una nueva disciplina que se ha hecho posible recientemente gracias al  incremento en la generación de datos y al avance de las tecnologías de la computación. Los tres pilares de esta nueva disciplina son: 1) El conocimiento de Matemáticas y Estadística, 2) Las Tecnologías y Ciencias de la Computación, y 3) El conocimiento específico en áreas de negocio.

Que es el Aprendizaje Automático (Machine Learning)?

El Aprendizaje Automático es una aplicación de la Inteligencia Artificial en la cual se entrena a una computadora con datos de eventos históricos de un proceso para que esta luego pueda tomar decisiones como lo hacemos los humanos. De este modo la computadora “aprende” a reconocer patrones que están relacionados con algún tipo de resultado que nos interesa. Una vez que la computadora ha aprendido a reconocer estos patrones, se le puede programa para notificar el al operador del proceso con anticipación al evento (por ejemplo una falla).

Cómo desarrollamos un proyecto de Aprendizaje Automático?

El proceso de ProduktZero varía de acuerdo a los objetivos de cada proyecto, sin embargo, a grandes rasgos abarca seis etapas características.

1. El set de Datos (Data Set): La información del proceso que fue recolectada por medio de sensores, análisis, observaciones, etc…
2. Eliminación de Ruido (Noise Removal): la calidad de la información disponible afecta directamente el desempeño del modelo. El ruido en la información es algo común, sin embargo existen numerosas técnicas para reducirlo del set de datos.
3. Ingeniería de Factores (Feature Engineering): Es el proceso por el cual manipulamos la información disponible, aplicando el conocimiento en el dominio específico en la que opera el modelo matemático. La ingeniería de factores es una etapa fundamental para poder alcanzar modelos con alta exactitud.  
4. Optimización de Hiper-parámetros (Hyperparameter optimization): En esta etapa se optimizan los hiper-parámetros del modelo como por ejemplo epochs, distribución, activación, y el tamaño de la capa oculta. Estos parámetros controlan el comportamiento del modelo y ayudan a minimizar el error cuadrático medio y aumentar la precisión del modelo.
5. Selección y Entrenamiento del Modelo: En esta etapa se hacen pruebas con varios modelos estadísticos para seleccionar el más idóneo.  Finalmente, se entrena el modelo con la data ya procesada.
6. Evaluation of Results: Luego de entrenar el modelo se evalúa su precisión. Esto se puede hacer con información que no fue utilizada en el entrenamiento del modelo.

Adicionalmente se puede implementar procesos de información fluida, en tiempo real, en donde la data generada es evaluada por el modelo en tiempo casi-real y así poder predecir las variables respuesta deseadas.