Diccionario
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.
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!
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.
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!
Una vez abierta la aplicación aparecerá la pantalla inicial.
En la siguiente imagen interactiva, conoceréis las diferentes opciones que necesitáis saber antes de empezar.
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. |
Si nos unimos, después de iniciar sesión pulsaremos en ¨Nuevo¨.
|
Learning ML permite desarrollar proyectos relacionados con:
Nuestro proyecto trata sobre el reconocimiento de textos.
Por lo tanto, debes elegir la opción indicada.
No olvides dar un nombre a tu proyecto.
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".
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.
Una vez introducidos todos los datos en sus etiquetas correspondientes ya podemos iniciar el algoritmo que genere nuestro modelo.
Recuerda que cuantos más datos hayas introducido mejor será el comportamiento de nuestro modelo.
Ten paciencia, este proceso puede tardar unos minutos.
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.
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:
Importante, una respuesta con una confianza menor del 60% nos indica que:
Una 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.
Por 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.
Os propongo a vuestro grupo que realicéis el siguiente cuestionario.
Es importante que participéis todo el grupo.
¿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:
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.
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
Por favor active JavaScript para poder jugar a este juego.
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.
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.
Si tienes dudas para hacer tu diagrama, te invito a ver la Guía didáctica de la competencia aprender a aprender.
Aquí encontrarás información sobre:
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!
Seguimos trabajando en pareja.
Aquí os presento toda la información necesaria para crear, generar y probar tu primer modelo de reconocimiento de textos.
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.
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.
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.
Debemos esperar unos segundos y el sistema mostrará el mensaje: Ya puedes usar 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:
Recuerda que cuantos más datos introducimos en el modelo, mejor clasificación realizará.
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:
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.
Aquí tienes los textos necesarios para que realices la programación de cada uno de los animales.
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.
Ha llegado el momento de generar nuestro modelo que permita clasificar los datos de entrada relacionados con los animales.
Recuerda:
Ahora os toca a vosotras y vosotros crear el modelo para los datos introducidos en el sistema.
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.
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:
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.
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.
¿Podrías enumerar los pasos seguidos en el proceso de reconocimiento de textos sobre animales?
Ahora te propongo que intentes dibujar tu propio diagrama.
Intenta hacerlo sin mirar y luego comprueba el resultado.
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.
Obra publicada con Licencia Creative Commons Reconocimiento No comercial Compartir igual 4.0