Este documento describe los servicios de inteligencia artificial de Azure, incluyendo Cognitive Services, Machine Learning Services y Azure Bot Services. Explica conceptos como aprendizaje automático, aprendizaje profundo y refuerzo, así como algoritmos y herramientas de ML. También presenta ejemplos de uso como clasificación, regresión, modelos cognitivos y predicción.
1. Azure AI: Servicios de Inteligencia
Artificial para Escenarios Reales
Ricardo Gonzalez Vargas
Microsoft Regional Director
CEO - Androcial Media Inc / womyads.com
CTO – Zylo Blockchain
@rgonv – rgonv@hotmail.com
2. Inserte la foto aquí
Ricardo Gonzalez Vargas
androcial.com
linkedin.com/in/ricardogonzalezvargas
@rgonv
rgonv@Hotmail.com
Microsoft Regional Director
CEO – Androcial Media Inc.
CTO – Zylo Blockchain.
4. Agenda
•Relación AI – ML – RL – DL
•Aproximaciones de aprendizaje
•Servicios provistos por Azure AI
•Escenarios de uso
5. AI vs ML vs RL vs DL
• AI : Dispositivos diseñados para
actuar de manera inteligente
• ML: Lograr que la maquina actúe sin
haberla programado explícitamente
para ello
• RL: Buscar automáticamente
características relevantes de la
información
• DL: encadena múltiples niveles para
representar jerarquías de
abstracción
6. Aproximaciones para ML
• Aprendizaje Supervisado o Inductivo
Los datos de entrenamiento incluyen la salida deseada
• Aprendizaje No Supervisado
Los datos de entrenamiento no incluyen la salida deseada
• Aprendizaje Semi-supervisado
Los datos de entrenamiento incluyen algunas salidas
• Aprendizaje de Refuerzo
Recompensas a partir de una secuencia de acciones
7. Supervisado vs No supervisado
6.
Seleccion
ar el
mejor
modelo
5. Evaluar
resultado
s. Volver
a 3?
4. Aplicar
algoritmo
s en los
datos
3.
Construir
el Modelo
2. Dividir
en
entrenami
ento y
prueba
1. Limpiar
y
complem
entar
datos
0. Datos
Evaluar
Grupos
Aplicar
Algoritmos
Datos
22. Azure Cognitive Services
Vision
• Computer Vision API
• Condense información de aplicación práctica a partir de
imágenes
• API de reconocimiento facial
• Detecte, identifique, analice, organice y etiquete caras en
las fotos
• Content Moderator
• Moderación automatizada de imágenes, texto y vídeo
• Emotion API
• Personalizar las experiencias de usuario con el
reconocimiento de emociones
• Custom Vision Service
• Personalice fácilmente los novedosos modelos de visión
artificial para adaptarlos a su caso particular
• Video Indexer
• Obtenga conocimiento de sus vídeos
Voz
• Translator Speech API
• Realice fácilmente una traducción de voz en tiempo
real con una llamada a la API de REST sencilla
• Speaker Recognition API
• Use la voz para identificar y autenticar a los
hablantes individuales
• Bing Speech API
• Convertir voz en texto y viceversa para comprender
la intención del usuario
• Custom Speech Service
• Elimine las barreras del reconocimiento de voz,
como el estilo de habla, el ruido de fondo y el
vocabulario
23. Azure Cognitive Services
Lenguaje
• Language Understanding (LUIS)
• Enseñe a las aplicaciones a entender los comandos de sus usuarios
• Text Analytics API
• Evaluar fácilmente las opiniones y temas para comprender lo que los
usuarios quieren
• Bing Spell Check API
• Detecte y corrija errores ortográficos en las aplicaciones
• Translator Text API
• Realice fácilmente una traducción automática con una llamada a la
API de REST sencilla
• Web Language Model API
• Aprovechar el potencial de los modelos de lenguaje predictivos
entrenados con datos de escala web
• Linguistic Analysis API
• Simplifique los conceptos complejos del lenguaje y analice texto con
Linguistic Analysis API.
Búsqueda
• Bing Autosuggest API
• Dote a su aplicación de opciones de sugerencia automática inteligente para las
búsquedas
• Bing Image Search API
• Busque imágenes y obtenga resultados completos
• Bing News Search API
• Busque noticias y obtenga resultados completos
• Bing Video Search API
• Busque vídeos y obtenga resultados completos
• Bing Web Search API
• Obtenga detalles de búsqueda mejorados de miles de millones de documentos web
• Bing Custom Search API
• Una herramienta comercial fácil de usar y sin anuncios que permite ofrecer los
resultados que desea
• Bing Entity Search API
• Cree experiencias enriquecidas con información de entidades de la Web
24. Azure Bot Service
• Permite construer, conectar
y desplegar bors para
interactuar naturalmente
con los usuarios.
25. Herramientas para AI
•Machine Learning Studio
•Azure Machine Learning Workbench
•Visual Studio Tools for AI
•Azure Notebooks
•Kit de herramientas de IA para Azure IoT Edge
•CNTK
26. Machine Learning Algorithms
Algorithm Binary Classification in
Azure ML
Multiclass Classification in
AzureML
Regression in Azure
ML
Logistic Regression Two-class logistic
regression
Multiclass Logistic
Regression
Linear Regression Linear Regression
Support Vector Machine Two-class support
vector machine
One-vs-all + support vector
machine
Decision Tree Two-class boosted
decision tree
One-vs-all + boosted
decision tree
Boosted decision tree
regression
Neural Network Two-class neural
network
Multiclass neural network Neural network
regression
Random Forest Two-class decision
forest
Multiclass decision forest Decision forest
regression
27. Azure Portal
Azure Ops Team
ML Studio
Data analyst
HDInsight
Azure Storage
Desktop Data
Azure Portal &
ML API service
PowerBI/DashboardsMobile AppsWeb Apps
ML API service Developer
33. Azure AI: Servicios de Inteligencia
Artificial para Escenarios Reales
Ricardo Gonzalez Vargas
Microsoft Regional Director
CEO - Androcial Media Inc / womyads.com
CTO – Zylo Blockchain
@rgonv – rgonv@hotmail.com
Let’s walk through how a machine learning solution comes to life, from setting up the environment to extracting insight.
First, The Azure ops team, maybe already accustomed to managing storage accounts or provisioning Azure virtual machines, can get a machine learning environment set up right from the Azure Portal. They start by creating an ML Studio workspace and dedicated storage account to get their data scientists up and running.
<click>
When the Azure Ops team sets up the data scientist, she’ll get an email to her Windows Live account that gives her one-click to get started.
The data scientist will then spend her time in ML Studio. From there, she can execute every step in the data science workflow.
She can access and prepare data
Create, test and train models, as well as import her company’s proprietary models securely into her private workspace
Work with R and over 300 of the most popular R packages along with Microsoft’s business class algorithms
Collaborate with colleagues within the office or across the globe as easy as clicking “share my workspace”
Deploy models within minutes rather than weeks or months
<click>
And the data scientist has her choice of what data she wants to pull into her models. She can access data already in Azure, query across Big Data in HDInsight, or pull datasets in right from her desktop.
<click>
Once the data scientist is ready to publish, she signals the Azure Ops team. This is when tested models become available to developers via the API service.
<click>
The Azure ops team then uses the ML API service to deploy the model in minutes, making it accessible to developers.
<click>
The developer can surface the model in apps, by simply grabbing auto-generated code and dropping it in. Then business users can access results, from anywhere, on any device. And any model updates simply refresh the model in production with no new development work needed.