2. 2
Fuentes consultadas
Esta PPT incluye material basado en las siguiente presentaciones del Microsoft
Data Science Summit 2016
CognitiveServicesMakingAIEasy
DataScienceforAbsolutelyEverybody
PuttingScienceBusinessDataScience
2
3. 3
Por qué Data Science
Descubrir razón detrás del éxito, el fracaso
Entender los clientes, los productos, los patrones
Planificar el futuro con precisión
Experimentar antes de tomar decisiones
Experimentar con la toma de decisiones autónoma (AI)
4. IA en la práctica
Modelos de
aprendizaje
automático
Decisiones
autónomas
“inteligentes”
Cambios en
el negocio
Inteligencia artificial
8. APIs REST
Sencilla de añadir: sólo unas pocas
líneas de código necesarias
Integrar en el lenguaje y la plataforma
de su elección
Amplitud de la oferta ayuda a
encontrar la API correcta para su
aplicación
Construido por los expertos en su
campo de investigación de
Microsoft, Bing, y Azure Machine
Learning
Documentación de calidad, código
de ejemplo y apoyo de la
comunidad
Fácil Flexible probado
OBTE
NER
UNA
LLAVE
9. Escenarios de aplicación
Detección de
emociones en
tiendas
Reconocimiento
facial de personas
desaparecidas
Análisis de
sentimiento
Detección facial
para determinar
cantidad de
hombres/mujeres
en eventos
Entendimiento de
lenguaje natural
Reconocimiento de
objetos
12. 12
Las mejores prácticas para
desarrolladores
ObjectiveC/Swift/iOS, Java/Android, C#/Windows, and Python (Jupyter notebook)
https://www.microsoft.com/cognitive-services/en-us/SDK-
Sample?api=computer%20vision
Computer Vision API describe imágenes en Inglés solamente
API de rostros detecta hasta 64 rostros humanos en una imagen
Facial Detección: JPEG, PNG, GIF (primer cuadro), y BMP soportados, tamaño de archivo
de imagen de 1 KB-4 MB, tamaño de la cara detectable 36x36-4096x4096 píxeles
Documentación: https://www.microsoft.com/cognitive-services/en-us/documentation
14. 14
Datos
Descripción, etiquetas, imágenes prediseñadas, dibujo lineal, blanco y negro,
IsAdultContent/Puntuación, IsRacy/ Score, categorías, caras, colores dominantes,
color de acento
https://www.microsoft.com/cognitive-services/en-us/computer-vision-api
La ira, el desprecio, asco, miedo, alegría, tristeza, sorpresa, y neutral
https://www.microsoft.com/cognitive-services/en-us/emotion-api
caja, 27 puntos de referencia faciales, edad, sexo, actitud de la cabeza, sonrisa,
pelo facialhttps://www.microsoft.com/cognitive-services/en-us/face-api
17. 17
Análisis de los sentimientos
Entender si un registro tiene un sentimiento positivo o negativo
Extracción frase clave
Extraer frases clave de un trozo de texto, y recuperar los temas
Detección de temas
Utilizar técnicas de agrupamiento para identificar los temas de tendencias
en un gran conjunto de registros de texto
Detección de idioma
Identificar el idioma, 120 idiomas soportados
Análisis de texto
18. 18
Análisis de los sentimientos Inglés, español, francés y
portugués
Entender si un registro tiene un sentimiento positivo o negativo
extracción frase clave Inglés, español, alemán y japonés
Extraer frases clave de un trozo de texto, y recuperar los temas
detección de temas Inglés
Utilizar técnicas de agrupamiento para identificar los temas de
tendencias
en un gran conjunto de registros de texto
detección de idioma
Identificar el idioma, 120 idiomas soportados
El análisis de texto
19. 19
Comprensión del lenguaje (LUIS)
entidades-Ciudad de salida, Ciudad de Llegada, Fecha de salida, Fecha de regreso
Intención-reservar un vuelo
Ejemplos: "Me quiero ir a París desde Sept 25 de Sept al 29 de, 2016", "libro de mí
un vuelo desde DTW a CDG dejando el 25/09/2016 y 09/28/2016 regresar", etc.
Ver lo que los usuarios reales están enviando a su modelo, y mapa de esas
expresiones de intenciones (o crean nuevos intentos en base a lo que los usuarios
están pidiendo).