En esta edición del MultiCamp hemos podido comprobar por nosotros mismos el potencial del machine learning y la computación cognitiva, con ejemplos prácticos aprendiendo a usar herramientas tan útiles como son Custom Vision, Cognitive Services y Machine Learning Studio de Microsoft.
Gracias a Javier Menéndez y a Roberto Tejero de INSIGHT por descubrirnos la tecnología detrás de la «magia» de la inteligencia artificial. Sin duda una experiencia alucinante. 

Como resumen de la sesión traigo un ejemplo de proyecto con el servicio cognitivo de Custom Vision, el cual permite entrenar un modelo para detectar patrones en imágenes subidas y así identificar o contar objetos. 

Es una herramienta con versión gratuita perfecta para iniciarse en el mundo de la inteligencia artificial. Está disponible en: 


https://www.customvision.ai/

Estos son los pasos a seguir para crear un servicio cognitivo que identifique elementos en una imagen:

  • 1. En primer lugar, crearemos un nuevo proyecto dándole un nombre y seleccionando el tipo “Clasificación”. Ya que queremos identificar objetos no contarlos.

1

  • 2. A continuación, añadimos imágenes para crear el modelo. En un caso real cuantas más añadamos más preciso será el algoritmo, al tratarse de un ejemplo añadimos solo 15
2

  • 3. Posteriormente, etiquetamos el objeto a identificar. Para ello lo seleccionamos haciendo click y arrastrando (cuanto menos espacio sobrante incluyamos más preciso será el modelo). Y procedemos a añadirle un nombre a la etiqueta. (En este caso llamamos a las naranjas “n”).

3

  • 4. Por último, entrenamos al modelo con el botón “Train” y una vez generado podemos testearlo con el botón “Quick Test”.

4

Al haberle aportado solo 15 imágenes, no es del todo preciso. Como resultado, identifica 2 regiones que no son naranjas, aunque como podemos observar, la probabilidad de que sea una naranja es baja, solo un 15.7%.

Pero esto no es un problema, solo hay que educar al modelo. Para ello vamos a la pestaña de Predictions seleccionamos los tags que son erróneos y los eliminamos.

5

De esta manera, ya estamos generando un algoritmo que, mediante Deep learning aprende a identificar naranjas en distintas fotografías. Un caso real, muy sencillo y a la vez con mucho potencial para un primer contacto educando inteligencia artificial.


Autor: Jesús Bereguiain Porras

Curso: Microsoft MCSA Web Applications + Microsoft MCSD App Builder + Xamarin

Centro: Tajamar

Año académico: 2018-2019

Leave a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.