Saltar la navegación

4.4 Aprendizaje automático con Learning ML

Diccionario

Learning ML

Imagen del logotipo de la herramienta Learning ML

Definición:

Learning Machine Learning, es un aplicación que permite desarrollar, de forma sencilla, sistemas de aprendizaje automático.

Ejemplo:

Tu asistente turístico virtual lo harás con la aplicación Learning ML.

Retor dice

Ha llegado el momento de aprender a realizar programas de reconocimiento de textos con Learning ML.

Presta atención y realiza los siguientes ejercicios.

¡Vamos a empezar!

Acceder a la definición del término Learning ML

Definición:

Learning Machine Learning, es un aplicación que permite desarrollar, de forma sencilla, sistemas de aprendizaje automático.

Ejemplo:

Tu asistente turístico virtual lo harás con la aplicación Learning ML.

1. Secuencia de trabajo con Learning ML

La aplicación que vamos a utilizar para desarrollar nuestro asistente turístico virtual es Learning ML. Aquí tienes la secuencia de trabajo que deberás seguir para desarrollar tu proyecto.

Como ya sabes, accede a la página web de Learning ML.

¡Veamos todos los pasos que deberás realizar!

1. Pantalla inicial

Una vez abierta la aplicación aparecerá la pantalla inicial.

En la siguiente imagen interactiva, conoceréis las diferentes opciones que necesitáis saber antes de empezar.

2. Nuevo proyecto

Para comenzar un nuevo proyecto podemos hacerlo sin necesidad de registrarnos o registrándonos en la plataforma:

Sin registro Con registro en Learning ML

Elegiremos esta opción cuando no nos hayamos unido a Learning ML.

Recuerda que registrarse ofrece muchas ventajas.

Imagen del botón comenzar de la aplicación Learning ML

Si nos unimos, después de iniciar sesión pulsaremos en ¨Nuevo¨.

Imagen de inicio desde nuevo de la herramienta Learning ML

3. Tipo de reconocimiento

Learning ML permite desarrollar proyectos relacionados con:

  • Reconocimiento de textos.
  • Reconocimiento de imágenes.
  • Reconocimiento de números (versión Beta).

Nuestro proyecto trata sobre el reconocimiento de textos.

Por lo tanto, debes elegir la opción indicada.

Imagen que representa la opción Reconocimiento de textos en la aplicación Learning ML

 

4. Entrenar

No olvides dar un nombre a tu proyecto.

Imagen que nos recuerda que debemos poner un nombre al proyecto en la aplicación Learning ML

El siguiente paso sería introducir los datos dentro de las etiquetas.

En la imagen inferior puedes ver un ejemplo de las etiquetas "tortuga" y "tiburón".

Imagen donde se ve el entrenamiento del modelo en Learning ML

Debes repetir el proceso hasta crear todas las etiquetas que necesite tu proyecto. Es importante que el nombre de las etiquetas haga referencia al tipo de datos que va a contener. En el ejemplo, le hemos dado los nombres de tortuga y tiburón.

A continuación, introducimos los datos de las etiquetas.

En cualquier momento podrás eliminar los datos o las etiquetas, aunque en este caso ten cuidado, porque también borrarás los datos asociados a la etiqueta.

Recuerda que en este paso es muy importante el concepto de generalización. Los datos que se introducen deben contener palabras "clave" que el modelo sea capaz de identificar.

5. Aprender a reconocer texto

Una vez introducidos todos los datos en sus etiquetas correspondientes ya podemos iniciar el algoritmo que genere nuestro modelo.

Imagen que indica dónde se debe pulsar para que el modelo aprenda en Learning ML

Recuerda que cuantos más datos hayas introducido mejor será el comportamiento de nuestro modelo.

Ten paciencia, este proceso puede tardar unos minutos.

6. Probar el modelo

Introducimos el texto en el campo expresión y presionamos el botón comprobar. En la imagen se puede ver que el grado de confianza obtenido para el texto "Es un réptil con caparazón" es del 88,92% para la etiqueta tortuga, es decir, nuestro modelo clasifica con un grado de seguridad de un 88,92 (en una escala de 0 a 100) de que la frase "Es un réptil con caparazón" corresponde a la clase o etiqueta tortuga.

Imagen donde se aprecia el grado de confianza de un texto y el botón de programar

Debes probar con expresiones que no coincidan exactamente con los datos de la etiqueta y así comprobar el nivel de generalización que realiza el modelo. Esta parte es muy importante.

Recuerda:

  1. Mayor cantidad de datos es igual a mayor confianza en la respuesta del modelo.
  2. Los datos de calidad favorecen la generalización.

Importante, una respuesta con una confianza menor del 60% nos indica que:

  1. Debemos introducir más datos.
  2. Revisar la calidad de los datos para que el modelo sea capaz de generalizar correctamente.
  3. Volver a entrenar el modelo.

7. Guarda tu modelo

Imagen que describe cómo guardar modelo en Learning MLUna vez llegados hasta este punto, para no perder los datos introducidos puedes guardar el proyecto de forma local en tu ordenador o en la nube en tu cuenta de Learning ML.

De esta forma, podrás recuperar tu modelo y mejorarlo en cualquier momento.

8. Programar en Scratch

Imagen del botón para programar en Scratch con el modeloPor último, una vez tengamos nuestro modelo, solo nos queda pulsar sobre el icono de Scratch para iniciar la programación en esta plataforma.

Es importante que recuerdes que debes abrir Scratch desde aquí.

Apoyo visual

Kardia dice ¿Quieres saber más sobre la herramienta LearningML?

Si creas una cuenta en la herramienta LearningML podrás compartir tus proyectos o usar los que otras personas hayan compartido.

En este vídeo te cuento cómo hacerlo.

Además, aquí te dejo un enlace al Manual de la herramienta Learning ML.

Imagen de la portada del manual de la herramienta Learning ML

2. Antes de seguir, vamos a repasar

Os propongo a vuestro grupo que realicéis el siguiente cuestionario.

Es importante que participéis todo el grupo.


¿Cómo te sientes después del cuestionario?

¿Te has equivocado en algo al hacer la actividad? Es probable que algunas respuestas no hayas sabido contestarlas.

No te preocupes, es normal que algunos datos se te hayan olvidado, no podemos recordarlo todo. Además, cuando queremos aprender algo, lo normal es equivocarse al principio. Fallar forma parte de aprender.

Para aprender de tus errores sigue estos consejos:

  1. Me doy cuenta de en qué parte he fallado.
  2. Busco la forma de mejorar ese error.
  3. Lo intento de nuevo.
  4. Entiendo que el error es importante para aprender.

También puedes anotar todas las dudas que se te han planteado e intentar resolverlas con tu grupo. Recuerda que estás trabajando en grupo y os podéis ayudar.

No lo olvides: cuando te equivocas una vez, aprendes para el siguiente intento.

3. Repasando la aplicación Learning ML

Seguimos trabajando en grupo.

Vamos a repasar la información que aparece en la página inicial de la aplicación Learning ML.

Os propongo el siguiente juego. Buscar las palabras adecuadas. Recordad que no hay espacios y tampoco mayúsculas.

Es importante que participe todo el grupo.

abcdefghijklmnñopqrstuvwxyz

Nos habla de lo que está ocurriendo, con la Inteligencia Artificial, en nuestra sociedad.
UE9SUVVF
Puedes registrarte en la plataforma.
VU5FVEU=
Necesitas encontrar un video tutorial.
QVBSRU5ERVI=
Quieres saber qué es el Leaning Machine.
UVVFRVM=
Tienes curiosidad por saber quien ha desarrollado la aplicación.
QUNFUkNBREU=
Zona para contribuir en el desarrollo de esta aplicación.
REVTQVJST0xMTw==
Quieres comentarle al autor un problema que te ha surgido.
Q09OVEFDVE8=
Espacio donde se comparten experiencias sobre diferentes temas.
QkxPRw==
Para empezar tu proyecto.
Q09NRU5aQVI=

Por favor active JavaScript para poder jugar a este juego.

Lumen dice ¿Necesitas ayuda?

Recuerda que no hay espacios entre las palabras.

Además, te recomiendo que vuelvas a ver la actividad 1. Secuencia de trabajo con Learning ML de esta misma página.

Seguro que ahora sabrás encontrar todas las palabras.

4. ¿Sabes identificar los pasos de este proceso?

La siguiente actividad debes intentar hacerla de forma individual.

La imagen pertenece a un diagrama donde se explica todo el proceso, desde la entrada de datos hasta el reconocimiento de textos.

Observarás que faltan algunas palabras.

Esta es tu misión: completar el diagrama para que tenga sentido.

Imagen del diagrama donde se explica todo el proceso de reconocimiento de texto

Lumen dice ¿Necesitas ayuda para hacer el diagrama?

Si tienes dudas para hacer tu diagrama, te invito a ver la Guía didáctica de la competencia aprender a aprender.

Aquí encontrarás información sobre:

Retor dice

A continuación vamos a crear nuestro primer modelo de aprendizaje de reconocimiento de texto.

Empezaremos repasando el proceso y luego crearemos nuestro modelo paso a paso en las siguientes actividades.

Crearemos un divertido juego que reconozca un animal. Vamos a enseñar al modelo introduciendo unas frases que identifiquen a cada animal. Finalmente, comprobaremos su funcionamiento introduciendo otras frases para que la máquina adivine de qué animal se trata.

¡Ya verás que es muy sencillo y el resultado será sorprendente!

5. Aprendemos a programar el reconocimiento de animales

Seguimos trabajando en pareja.

Aquí os presento toda la información necesaria para crear, generar y probar tu primer modelo de reconocimiento de textos.

1. Introducir las etiquetas

Como ya sabéis, los datos son una parte fundamental de la Inteligencia Artificial.

Creamos las etiquetas o categorías, en nuestro caso serán los animales que será capaz el modelo de reconocer, por ejemplo podemos empezar por diez animales muy conocidos: avestruz, ballena, cebra, elefante, gaviota, jirafa, león, pinqüino, tiburón y tortuga.

Imagen que describe la introducción de etiquetas del modelo animales

2. Introducir los datos sobre cada animal

En nuestro caso los datos serán textos compuestos por palabras o textos que identificarán a cada uno de los animales y que le permitirá al modelo aprender sobre cada uno de ellos.

Así que asociamos a cada etiqueta o animal frases que permitan al modelo aprender a identificarlo.

Imagen que muestra la introducción de datos en el modelo de animales

3. Generar el modelo

Ya habéis introducido los datos en el sistema. Ahora es el momento de generar el modelo de aprendizaje.

Recuerda que para poder generar el modelo, al menos debéis incluir dos etiquetas con sus expresiones correspondientes. En nuestro caso, nuestro modelo tiene diez etiquetas.

Seleccionamos primero la opción Aprender a reconocer textos.

Imagen de la opción aprender de la aplicación Learning ML

Debemos esperar unos segundos y el sistema mostrará el mensaje: Ya puedes usar el modelo.

4. Probar el modelo

Una vez generado el modelo, antes de continuar, hay que probar el grado de confianza que realiza en la clasificación de textos.

El proceso a seguir es:

  1. Introducir un texto de prueba para que el modelo lo clasifique. 
  2. Comprobar el grado de confianza de la clasificación.

Recuerda que cuantos más datos introducimos en el modelo, mejor clasificación realizará.

Imagen que describe la prueba del modelo de reconocimiento de animales en LearningML

6. Empezamos mi primer programa de reconocimiento de animales

Ha llegado el momento de crear tu primer programa de reconocimiento de textos. Vamos a empezar el proceso de creación del modelo de aprendizaje que sea capaz de reconocer textos relacionados con cada uno de los diez animales (avestruz, ballena, cebra, elefante, gaviota, jirafa, león, pinqüino, tiburón y tortuga).

No te preocupes, solo debes seguir el siguiente proceso:

  1. Abrir la aplicación Learning ML.
  2. Seleccionar la versión estable (Versión 1.2).
  3. Seleccionar la opción Reconocer Textos.
  4. Seleccionar la opción Añadir nueva clase de textos.
  5. Introducimos el nombre de la etiqueta, en este caso se corresponde con cada uno de los diez animales que vamos introducir en nuestro modelo.
  6. Seleccionamos el botón añadir textos e introducimos cada una de las frases que permiten identificar a cada animal.

Ten presente que cuantos más datos tenga nuestro modelo mejor funcionará.

Crea todas las etiquetas y completa los datos para cada una de ellas. Recuerda que pretendemos reconocer textos relacionados con cada uno de estos animales.

Lumen dice ¿Te ayudo a organizar la información?

No te preocupes, al principio nos puede pasar.

Se me ocurre que podemos hacernos unas fichas de etiquetas como la siguiente:

Imagen de ayuda para las etiquetas para el modelo en LearningML

Aquí puedes acceder al documento con la ficha de etiquetas:

Imagen que contiene las fichas de datos para las etiquetas del modelo de aprendizaje

Textos de los animales

 Aquí tienes los textos necesarios para que realices la programación de cada uno de los animales.

Avestruz

  1. aunque es un ave no puede volar.
  2. tiene el cuello muy largo y tiene plumas.
  3. corre mucho y alcanza velocidad.
  4. pone huevos enormes.
  5. es el pájaro o ave más grande.

Ballena

  1. vive en las profundidades de los mares y oceános.
  2. es un mamífero marino conocido cómo cetáceo.
  3. algunos tipos son cachalotes, orcas, jorobadas, blancas, azules.
  4. tiene grandes aletas.
  5. aunque pesa mucho le gusta saltar en el agua.

Cebra

  1. los pasos de peatones para cruzar la calle se llaman igual.
  2. tiene una especie de tupé.
  3. se alimenta de hierva.
  4. se parece al caballo.
  5. parece que lleva un traje a rayas como un presidiario.

Elefante

  1. aunque pesa mucho no hace ruido al andar.
  2. sus antepasados son los mamuts.
  3. bebe agua y se alimenta con la ayuda de su enorme trompa.
  4. tiene colmillos de marfil.
  5. es el animal terrestre más grande.

Gaviota

  1. tiene pico.
  2. se suele ver en la playa.
  3. es de color gris y blanco.
  4. se alimenta de peces que atrapa con su pico.
  5. sobrevuela el mar y la costa.

Jirafa

  1. tiene dos cuernos muy pequeños.
  2. tiene una lengua larga para atrapar las hojas.
  3. es de color amarillo con manchas pardas.
  4. come hojas de los árboles.
  5. es el animal más alto.

León

  1. es carnívoro y se alimenta cazando otros animales como ñus, impalas, ciervos, búfalos, jabalíes.
  2. vive en grupo y lidera su manada.
  3. es un felino.
  4. parece que lleva melena o una peluca.
  5. vive en la selva o sabana.

Pingüino

  1. se tira de cabeza al mar.
  2. viven en grandes grupos cerca del mar.
  3. camina con los pies juntos.
  4. parece que lleva esmoquín.
  5. es un pájaro pero no vuela.

Tiburón

  1. algunos tipos son el blanco, toro, martillo, espada.
  2. tiene grandes dientes.
  3. vive en los mares u océanos.
  4. hay muchas películas sobre él atacando a personas.
  5. suele dar mucho miedo.

Tortuga

  1. suele esconderse en su guarida.
  2. no tiene dientes y se alimenta de plantas.
  3. es de color pardo o verde.
  4. es un animal muy lento.
  5. es un reptil con caparazón.

Kardia dice ¿Te atreves a mejorar nuestro modelo?

Si has terminado de programar el reconocimiento de animales, te propongo que hagas lo mismo aumentando el número de datos de cada etiqueta y si quieres, aumentando el número de animales del modelo.

Recuerda que cuantos más datos le suministres al modelo más preciso será.

7. Generando nuestro modelo de reconocimiento de animales

Ha llegado el momento de generar nuestro modelo que permita clasificar los datos de entrada relacionados con los animales.

Imagen del proceso de trabajo en la herramienta LearningML

Recuerda:

  1. Una vez introducidos el máximo número de datos que favorezcan la generalización, todos clasificados en sus respectivas etiquetas.
  2. El algoritmo de Learning ML se encargará de generar el modelo.

Ahora os toca a vosotras y vosotros crear el modelo para los datos introducidos en el sistema.

Lumen dice ¿Te has perdido?

No te preocupes, dispones de una secuencia de trabajo que te ayudará a saber lo que tienes que hacer en cada momento.

Te recomiendo que vuelvas a la lectura Secuencia de trabajo con Machine Learning, y leas el apartado 1. Secuencia de trabajo con Learning ML de esta página.

8. Comprobando el modelo de reconocimiento de animales

Antes de continuar debemos comprobar el funcionamiento del modelo generado para el reconocimiento de textos relacionados con cada uno de los animales que hemos entrenado en el modelo.

Os propongo lo siguiente:

  1. Introduce una frase relacionada con la definición de un animal, por ejemplo con un elefante.
  2. Anota dónde clasifica la frase introducida.
  3. Comprueba el porcentaje (%) de confianza de la clasificación, es decir, el grado de seguridad, expresado en una escala de 0 a 100 de la clasificación realizada por el modelo. 
  4. Apunta si la clasificación está bien o mal.
  5. Repite los pasos del 1 al 4, pero esta vez para por lo menos cuatro animales más del modelo.

Lumen dice ¿Te echo una mano?

Me encanta poder ayudarte.

Una frase relacionada con un elefante puede ser: "Es el animal terrestre más grande".

A continuación tienes una tabla de comprobación que te permitirá organizar el trabajo:

Imagen que describe la tabla de comprobación del modelo de aprendizaje

Aquí puedes descargar el documento con la tabla:

Imagen de la tabla de comprobación del modelo

9. Enriquece y reentrena tu modelo de aprendizaje de animales

Siempre puedes mejorar la confianza de tu modelo aprendizaje añadiendo nuevos textos a cada una de las etiquetas que has creado en tu modelo de aprendizaje.

Luego debes volver a entrenar y probar tu modelo de aprendizaje para comprobar que ha mejorado.

Este proceso puedes repetirlo todas las veces que quieras, sobre todo si detectas una incorrecta clasificación del texto introducido por parte del modelo.

Vamos a trabajar en pareja. Prueba aumentar el número de datos de aprendizaje de tu modelo para mejorar la confianza del modelo de aprendizaje automático de animales.

10. Ponemos en orden todo lo aprendido

En los apartados anteriores hemos aprendido muchas cosas nuevas.

Ha llegado el momento de ordenar toda la información.

Para ello te planteo los siguientes ejercicios. Elige el que más te guste, aunque si quieres también puedes hacer los tres.

Opción A: Haciendo memoria

¿Podrías enumerar los pasos seguidos en el proceso de reconocimiento de textos sobre animales?

Opción B: Dibujo mi propio diagrama

Ahora te propongo que intentes dibujar tu propio diagrama.

Intenta hacerlo sin mirar y luego comprueba el resultado.

Opción C: Ahora te explico yo

La mejor forma de aprender es enseñando.

Te propongo que expliques a una compañera o compañero el proceso que se debe seguir en el reconocimiento de textos.