Probablemente habrás escuchado el concepto Machine Learning en los últimos años, como muchas, es una de las palabras de moda estos días, y no hay empresa tech que se precie que no esté investigando o aplicando conceptos de esta ciencia tan abstracta para algunos.
¿Qué es Machine Learning?
Machine learning, o Aprendizaje automático, es una ciencia dentro de la inteligencia artificial donde se pretende ‘enseñar’ a las máquinas a realizar tareas concretas de forma autónoma.
Un ejemplo básico de machine learning puede ser un clasificador, ya sea de imágenes o de texto.
¿Te has parado a pensar cómo la galería de tu iPhone clasifica las caras de las personas que aparecen en ellas? iOS utiliza algoritmos de machine learning para reconocer las caras de las personas que aparecen en las fotos de tu teléfono móvil, agruparlas según sus características y asignarles un nombre para poder agruparlas.
Parece simple…
El concepto es bastante simple de explicar, tenemos un conjunto de imágenes clasificadas y etiquetadas.
Una vez tenemos nuestra colección de recursos etiquetados hacemos que nuestro sistema se entrene con ellos, encontrando las características de cada una de las imágenes y obteniendo un patrón para cada una de ellas, relacionado todo con el etiquetado que hemos introducido manualmente.
Una vez hemos entrenado nuestro sistema, el objetivo es que, dada una nueva imagen no presente en la etapa de entrenamiento, nos reconozca de qué etiqueta se trata.
La explicación es simple pero detrás de todo esto existen un gran número de algoritmos y fases que puede complicar esta tarea de forma desesperante, es por eso que Apple ha lanzado un nuevo framework llamado CreateML.
CreateML se ha anunciado esta semana en la WWDC como una nueva manera de entrenar modelos de machine learning, totalmente escrito en Swift.
Apple considera que existen tres etapas en machine learning, la creación de nuestra colección de datos (ya sean imágenes, textos u otros datos), el entrenamiento de nuestro sistema y la implementación de nuestra solución.
El proceso se simplifica de la siguiente forma.
Creación de tu colección de imágenes o dataset. Creas un directorio de carpetas con las imágenes en su interior y la etiqueta como nombre de la carpeta. Entrenar tu modelo. Abres Playground en Xcode, importas la librería CreateMLUI y creas tu Clasificador de Imágenes con MLImageClassifierBuilder. Una vez tienes esto, simplemente arrastras tu directorio de carpetas con las imágenes y te empieza a crear tu modelo de datos.
Una vez termina el modelo y testeas que todo este correcto, lo arrastras a Xcode y ya puedes implementar tu sistema de reconocimiento.
Todo este proceso se realiza utilizando la CPU y GPU de tu Mac, y Apple promete que la velocidad de entrenamiento (que puede llegar a ser muy larga con otros sistemas) se reduce considerablemente.
Si eres nuevo en el campo de Machine Learning y quieres empezar a probar esta tecnología, te animamos a descargarte la beta de OS X Mojave y Xcode 10 y empieces a probar esta nueva librería que tan buena pinta tiene…
Dribba, the mobile agency. Agencia de desarrollo de tecnologías mobile en Barcelona y Zurich. Desarrollamos apps nativas iOS y Android, para multinacionales y startups de todo el mundo. Consulta nuestros servicios tanto en desarrollo, diseño como consultoría mobile y tecnológica.