Qué es Machine Learning?
POR ANDRÉS GONZÁLEZEL 1 JULIO 2014EN BIG DATA, DATA PREDICTION, MACHINE LEARNING34 COMENTARIOS
Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial
que crea sistemas que aprenden automáticamente. Aprender en este contexto
quiere decir identificar patrones complejos en millones de datos. La máquina que
realmente aprende es un algoritmo que revisa los datos y es capaz de predecir
comportamientos futuros. Automáticamente, también en este contexto, implica que
estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención
humana. Veamos cómo funciona.
Big Data y Machine Learning aplicado a la
empresa
Una empresa de telefonía quiere saber qué clientes están en “peligro” de darse de
baja de sus servicios para hacer acciones comerciales que eviten que se vayan a
la competencia. ¿Cómo puede hacerlo? La empresa tiene muchos datos de los
clientes, muchísimos: antigüedad, planes contratados, consumo diario, llamadas
mensuales al servicio de atención al cliente, últimos cambios de planes
contratados… pero seguramente los usa solo para facturar y para hacer
estadísticas. ¿Qué más puede hacer con esos datos? Se pueden usar para
predecir cuándo un cliente se va a dar de baja y gestionar la mejor acción que lo
evite. En pocas palabras, con Machine Learning se puede pasar de ser
reactivos a ser proactivos. Los datos históricos del conjunto de los clientes,
debidamente organizados y tratados en bloque, generan una base de datos que se
puede explotar para predecir futuros comportamientos, favorecer aquellos que
mejoran los objetivos de negocio y evitar aquellos que son perjudiciales.
Esa cantidad ingente de datos son imposibles de analizar por una persona para
sacar conclusiones y menos todavía para hacer predicciones. Los algoritmos en
cambio sí pueden detectar patrones de comportamiento contando con las
variables que le proporcionamos y descubrir cuáles son las que han llevado, en
este caso, a darse de baja como cliente. La siguiente imagen es un ejemplo de una
predicción simplificada basada en datos de una compañía de telefonía ficticia, pero
usando una herramienta de Machine Learning real:
La visualización en árbol (en esta imagen está simplificado, la predicción real tiene
muchos más nodos) permite ver los patrones que han seguido ciertos clientes que
se han dado de baja. En este caso está resaltada una de las ramas centrales, que
indican un patrón en el que el cliente:
Tiene más de 3 llamadas al servicio de atención al cliente.
Llama menos de 171,95 minutos al día.
Las llamadas en horario nocturno son inferiores a 189,02 minutos.
Este es un análisis de los datos históricos, pero… ¿dónde está la predicción?
Vamos a ello: si los clientes que tienen estas características ya se han dado de
baja de la compañía, es previsible que los que todavía son clientes y tienen este
mismo comportamiento estén en riesgo de irse. Según este modelo predictivo, es
bastante probable que esto suceda (se dice que la predicción tiene una confianza,
en este caso, de 91,97%). Si el departamento de marketing tuviera esta
información, podría proponerles proactivamente un cambio de plan de tarificación o
podría revisar por qué han llamado al servicio de atención al cliente para intentar
mantenerlos.
El árbol de predicción completo sería el siguiente. En este caso hemos resaltado
una predicción falsa (es decir, no se daría de baja) con una confianza del 90,59%.
A la derecha de la imagen se puede ver el patrón de comportamiento de este
grupo de clientes:
¿Por qué es importante?
La cantidad de datos que se generan actualmente en las empresas se está
incrementado de forma exponencial. Extraer información valiosa de ellos
supone una ventaja competitiva que no se puede menospreciar.
En CleverData pensamos que es una oportunidad a la que se le debe prestar
especial atención. La gran ventaja es que actualmente no hace falta ser un gurú de
los datos para poder aprovechar este tipo de tecnologías. Existen en el mercado
herramientas de uso muy sencillo (incluso para profanos en análisis de datos) y
asequibles económicamente para cualquier tamaño de empresa que permiten
hacer predicciones como las descritas en el apartado anterior. Si quieres ver cómo
se genera un modelo como el anterior, revisa este artículo en el que describimos el
proceso paso a paso.
El reto de sacar partido de los datos se ha simplificado enormemente. El Machine
Learning de hoy no es como antes. Esto quiere decir que con datos de calidad,
tecnologías adecuadas y análisis propicios es posible actualmente crear modelos
de comportamiento para analizar datos de gran volumen y complejidad. Además,
los sistemas proporcionan resultados rápidos y precisos sin intervención humana,
incluso a gran escala. El resultado: predicciones de alto valor para tomar
mejores decisiones y desarrollar mejores acciones de negocio.
Sin embargo, no debe distraer nuestra atención el volumen de datos. No es
necesario tener tantos datos como Facebook o como un gran banco para hacer
modelos que ayuden al negocio. Es mejor tener datos de calidad (fiables y útiles)
que tener miles de millones de datos de los que no se puede extraer valor. Para
avanzar en este tema, puedes revisar nuestros 5 consejos para empezar con
Machine Learning: empieza por algo sencillo, utiliza Machine Learning
supervisado, no te empeñes en usar Big Data, utiliza Machine Learning en la nube
y sobre todo, empieza ya. Si quieres, con nosotros.
Ámbitos de aplicación del Machine Learning
Muchas actividades actualmente ya se están aprovechando del Machine Learning.
Sectores como el de las compras online – ¿no te has preguntado alguna vez cómo
se decide instantáneamente los productos recomendados para cada cliente al final
de un proceso de compra? –, el online advertising – dónde poner un anuncio para
que tenga más visibilidad en función del usuario que visita la web – o los filtros
anti-spam llevan tiempo sacando partido a estas tecnologías.
El campo de aplicación práctica depende de la imaginación y de los datos que
estén disponibles en la empresa. Estos son algunos ejemplos más:
Detectar fraude en transacciones.
Predecir de fallos en equipos tecnológicos.
Prever qué empleados serán más rentables el año que viene (el sector de
los Recursos Humanos está apostando seriamente por el Machine Learning).
Seleccionar clientes potenciales basándose en comportamientos en las
redes sociales, interacciones en la web…
Predecir el tráfico urbano.
Saber cuál es el mejor momento para publicar tuits, actualizaciones de
Facebook o enviar las newsletter.
Hacer prediagnósticos médicos basados en síntomas del paciente.
Cambiar el comportamiento de una app móvil para adaptarse a las
costumbres y necesidades de cada usuario.
Detectar intrusiones en una red de comunicaciones de datos.
Decidir cuál es la mejor hora para llamar a un cliente.
La tecnología está ahí. Los datos también. ¿Por qué esperar a probar algo que
puede suponer una puerta abierta a nuevas formas de tomar decisiones basadas
en datos? Seguro que has oído que los datos son el petróleo del futuro. Ahora ya
puedes empezar a bombearlo.
Otros artículos que te pueden interesar:
The New York Times is looking to machine learning to help it understand
reader behavior. via [Link]
Machine Learning is Fun! via [Link]
Predicting CTR with Online Machine Learning. via [Link]
Show me this article in English.
¿Te gusta compartir?
Escrito por Andrés González
Consultor de Machine Learning, ingeniero certificado de BigML.
Es un convencido de que los datos son una de las palancas de
cambio de la economía industrial a la digital. El análisis de datos no
puede ser un objetivo en sí mismo sino que debe contribuir a
conseguir los objetivos de la compañía. Encuéntralo en Twitter como
@data_lytics
NEXT ARTICLE
Machine Learning: predicciones basadas en datos con BigML
34 Comentarios Publicados
JUAN BARAJAS HERNANDEZ
ESCRITO EN 26 JUNIO 2015 - RESPONDER
Interesante artículo, no cabe duda que las herramientas están teniendo un
desarrollo impresionante, ahora solo falta preparase y tener la voluntad para
utilizarlas
TENDENCIAS DE MARKETING ONLINE EN 2016 - CONCEPTO 05
ESCRITO EN 19 ENERO 2016 - RESPONDER
[…] de grandes datos agregados. La democratización de la tecnología y el
aprendizaje automático (machine learning) liderarán la transformación de
tratamiento de datos en industrias como la sanitaria o […]
SÉ MÁS EFICAZ EN TU EMPRESA CON MACHINE LEARNING | BLOG CONENTO
ESCRITO EN 9 JUNIO 2016 - RESPONDER
[…] [Link] […]
LA INTELIGENCIA ARTIFICIAL ESTÁ ESTUDIANDO ‘LA ESO’ | WELLCOMMUNITY
ESCRITO EN 29 JUNIO 2016 - RESPONDER
[…] las recomendaciones de vídeos de Youtube; las búsquedas por voz ‘Cloud
Speech’ de Google; la tecnología Learning Machine aplicada también por Google;
la Amazon Machine Learning o el asistente personal en el que ahora […]
CONCEPTOS BÁSICOS DE MACHINE LEARNING – [Link]
ESCRITO EN 5 OCTUBRE 2016 - RESPONDER
[…] Machine Learning se divide en dos áreas principales: aprendizaje supervisado
y aprendizaje no supervisado. Aunque […]
HAZ QUE LOS DATOS CUENTEN, PREDICE EL FUTURO CON EL MACHINE LEARNING - GEOGRAPHICA
ESCRITO EN 24 NOVIEMBRE 2016 - RESPONDER
[…] moda parte de la inteligencia artificial dedicada al aprendizaje por parte de las
máquinas, el machine learning trata de que los sistemas aprendan […]
INNEDU
ESCRITO EN 25 ENERO 2017 - RESPONDER
[…] (PLE), contenidos adaptativos, implementación de sistemas que aprenden
automáticamente (machine learning), introducción del análisis de datos para el
aprendizaje (learning analytics) y en general todo […]
LA APP DE NETFLIX NO GASTARÁ CASI NADA DE TU PLAN DE DATOS NI LA MEMORIA DE TU TELÉFONO CELULAR –
BLOGASTON
ESCRITO EN 2 MARZO 2017 - RESPONDER
[…] tenían la suficiente cantidad de información almacenada, llegó el momento de
aplicar el “Machine learning“ o para que entiendan “Las máquinas que aprenden“.
Los datos recopilados en la […]
¿QUÉ ES MACHINE LEARNING? – EL UNICORNIO
ESCRITO EN 3 MARZO 2017 - RESPONDER
[…] Tomado de CleaverData […]
MACHINE LEARNING: ¿POR QUÉ NOS APASIONA? | CUALIT
ESCRITO EN 5 MAYO 2017 - RESPONDER
[…] [Link] […]
LAS VENTAJAS DEL LEAD SCORING BASADO EN MACHINE LEARNING -
ESCRITO EN 25 AGOSTO 2017 - RESPONDER
[…] Machine Learning funciona, y no es magia señores, es […]
MACHINE LEARNING ES INTELIGENCIA ARTIFICIAL.
ESCRITO EN 10 OCTUBRE 2017 - RESPONDER
[…] Fuente: [Link] […]
MACHINE LEARNING - PLATAFORMA DE APRENDIZAJE AUTOMÁTICO
ESCRITO EN 15 ENERO 2018 - RESPONDER
[…] Fuente: [Link] […]
PRINCIPALES NOVEDADES PARA HOTELEROS PRESENTADAS EN FITUR 2018
ESCRITO EN 29 ENERO 2018 - RESPONDER
[…] una estrategia que permita vender más y mejor. El gran volumen de datos
procesados gracias al maching learning convierte en realidad potenciar los canales
de distribución, aumentar la fidelización y mejorar […]
LA INTELIGENCIA ARTIFICIAL ESTÁ ESTUDIANDO ‘LA ESO’
ESCRITO EN 15 FEBRERO 2018 - RESPONDER
[…] las recomendaciones de vídeos de Youtube; las búsquedas por voz ‘Cloud
Speech’ de Google; la tecnología Learning Machine aplicada también por Google;
la Amazon Machine Learning o el asistente personal en el que ahora […]
SEO: APROVECHANDO LAS BÚSQUEDAS RELACIONADAS BAJO CADA RESULTADO DE GOOGLE... O NO - RITADOIT |
CONSULTOR SEO FREELANCE
ESCRITO EN 19 FEBRERO 2018 - RESPONDER
[…] Machine Learning es una disciplina científica del ámbito de la Inteligencia
Artificial que crea sistemas que aprenden automáticamente. Aprender en este
contexto quiere decir identificar patrones complejos en millones de datos. La
máquina que realmente aprende es un algoritmo que revisa los datos y es capaz
de predecir comportamientos futuros. Automáticamente, también en este contexto,
implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin
intervención humana. CleverData […]
JOSE MARIA
ESCRITO EN 26 MARZO 2018 - RESPONDER
No veo que este ejemplo dónde aprende la máquina ni dónde mejora la máquina
su entendimiento de nada o aplica inteligencia artificial. El ejemplo me parece un
mero análisis de estadística descriptiva de los clientes que se dan de baja.
ANDRÉS GONZÁLEZ
ESCRITO EN 29 MARZO 2018 - RESPONDER
Hola José María. Lo que planteas es un tema muy interesante y de bastante
calado, porque va al fondo de qué es la inteligencia artificial.
Tienes razón cuando dices que lo que hay es estadística. No hay otra cosa detrás
de este “sabor” de inteligencia artificial llamado machine learning. Lo que
realmente hace esta técnica es una clasificación de instancias basada en los
patrones que encuentra. Posteriormente, cuando llega una instancia nueva, la
compara con las instancias de las que ha “aprendido” y selecciona aquel patrón al
que más se parece.
Al fin y al cabo, la forma más sencilla de ver un árbol de decisiones como el del
artículo es como si fuera (que lo es) un conjunto de reglas “if-then”. El matiz
importante es que el código generado no lo programa un humano, sino un
ordenador. Además, el código “if-then” no es fijo ni está predeterminado, sino que
evoluciona a medida que se alimenta al sistema con datos más actualizados. En
cierta forma podríamos decir que un ordenador genera código automáticamente a
medida que se le proporcionan datos en los que encontrar patrones.
¿Es eso “inteligencia”? No lo sé. Yo creo que primero deberíamos ponernos de
acuerdo en lo que es la inteligencia humana (¿es la analítica… la lingüística… la
visual… la musical… la verbal… todas juntas?) la para saber cómo definir la
artificial.
ESCRITO EN 7 NOVIEMBRE 2018 - RESPONDER
[…] basándose en su integración de una red neuronal que permite el aprendizaje
automático avanzado (machine learning) con sus 15.000 billones de operaciones
por […]
USAR UN ASISTENTE DE VOZ EN NUESTROS TELÉFONOS - [Link]
ESCRITO EN 23 FEBRERO 2019 - RESPONDER
[…] inteligencias artificiales usan el Machine Learning, con lo que van aprendiendo
de aciertos y […]
LA MODA DEL MACHINE LEARNING EN 2018 - MÁSTER EN DEEP LEARNING : UNIVERSIDAD DE ALCALÁ - MADRID
ESCRITO EN 11 MARZO 2019 - RESPONDER
[…] ello, se puede definir el Machine Learning como una disciplina dentro de la
inteligencia artificial que crea sistemas que aprenden […]
¿QUIERES UN APPLE IPAD PARA SER CREATIVO? ASÍ QUEDA LA GAMA 2019
ESCRITO EN 18 MARZO 2019 - RESPONDER
[…] de su integración de una red neuronal, que posibilita labores de aprendizaje
automático avanzado (machine learning) con hasta 15.000 billones de operaciones
por segundo. Y esta comparación ya elimina toda duda: Al […]
INTELIGENCIA ARTIFICIAL Y LA ELABORACIÓN DE NOTICIAS – PERIODISMO EN CONSTRUCCIÓN
ESCRITO EN 6 MAYO 2019 - RESPONDER
[…] Función: Crea sistemas que aprenden automáticamente ,identificando
patrones complejos en millones de datos. La máquina que realmente aprende es
un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros.
[…]
EJEMPLO DE USO DE DBSCAN EN PYTHON PARA DETECCIÓN DE OUTLIERS – EXPONENTIS
ESCRITO EN 4 JUNIO 2019 - RESPONDER
[…] ocurre con cualquier algoritmo de Machine Learning que use medidas de
distancia, los datos deben ser normalizados antes de aplicar en ellos cualquier […]
Dejar un comentario
Publicar comentario
Últimos artículos
Challenge de Visualización de Cuidades con Datos Abiertos – Barcelona
Cómo mejorar las operaciones con Machine Learning
Business Intelligence and Machine Learning differences
Machine Learning: data-based predictions with BigML
The importance of cleaning, selecting and transforming data
Etiquetas
AMAZON APLICACIONES PREDICTIVAS BANCA BIG
DATA BIGDATA BUSINESS
INTELLIGENCE BUSSINESS CAU CHURN CLASSIFICATION AND
REGRESSION CLEAN COMPANY DASHBOARDS DATA DATA-DRIVEN DATA
MINING DECISION TREE DISPATCHING E-
COMMERCE ETL FEATURE FEATURE ENGINEERING IA INBOUND
MARKETING INCIDENCIAS INTELIGENCIA COGNITIVA LEAD
SCORING MACHINE LEARNING MARKETING
AUTOMATION NATURAL LANGUAGE
PROCESSING NLP PLN PREDICCIONES PREDICT PREDICTIONS
PROCESAMIENTO DE LENGUAJE
NATURAL RETAIL SELECT SUPERVISED TELCOS TENDENCIAS DE
GRUPO TRANSFORM TREE TURISMO UBER
, consideramos que acepta su uso. Puede aceptar u obtener más
