Info
Content

Capítulo 2-1º | Chapter 2-1º


Formación en inteligencia artificial | Training in artificial intelligence



Fig. I A. C2.1.1- Crédito imag. URL: https://youtu.be/3UrL8PD4bqM


Ir al índice principal del libro Go to the main index of the book

Contenidos

Contents

2.1-1.- Introducción

2.1-1.- Introduction

2.1.-2.- Orientación de los frameworks de desarrollo y cuál elegir

2.1.-2.- Orientation of development frameworks and which one to choose

2.1-3.- Formación online libre, reconocida y gratuita recomendada

2.1-3.- Free, recognized and online training recommend


| Autor / Author: Juan Antonio Lloret Egea | Miembro de la Alianza Europea para la IA / Member to the European AI Alliance |https://orcid.org/0000-0002-6634-3351|© 2019. Licencia de uso y distribución / License for use and distribution: [ Los estados de la inteligencia artificial (IA) | The states of artificial intelligence (AI) ] creative commons CC BY-NC-ND |ISSN 2695-3803|| Escrito / Writed: 14/07/2019. Actualizado / Updated: 17/08/2019 |


2.1-1.- Introducción | Introduction

Llevo involucrado más de 25 años en la formación reglada y no reglada; además de proyectos Eramus con socios europeos. Y siempre es un elemento complejo qué aprender, dónde y cuándo; sobre todo si pensamos en la inteligencia artificial, de la que hay una exceso de información desordenado en mi opinión. Por lo que el adiestramiento es ahora lo que nos ocupa.

Asimismo, y ante el sobreexceso de información, nuestra directriz será siempre desde el punto de vista práctico y con el fin de orientar hacia los caminos más experimentados que puedan conformarse en base a las opiniones de los mejores especialistas que nos sea posible.

Estoy teniendo presente (para recomendarle esta formación) distintas categorías de perfil de usuario:


Supongamos que usted es una persona ávida de conocimientos, le gusta la informática, pero su profesión no está relacionada con la informática ni el mundo IT. Entonces le recomiendo que comience por este curso, IA para todos (Instructor, Andrew Ng, CEO / Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain).


  • Puede que sea un técnico en IT en busca de nuevos horizontes, y la IA es uno muy bueno y con futuro. Pero no ha de ser impaciente. Le recomiendo que adquiera unas buenas bases conceptuales, que formarán un buen armazón para una perfecta adquisición de conocimientos. No se deje llevar por modas e inercias. En algún momento (si no ahora) deberá plantearse revisar la formación complementaria que figura al final de este capítulo 2. El curso ofrecido por la Universidad de Helsinkin es un buen comienzo.

  • Puede que sea un profesional de la sanidad o relacionado con la biología. Entonces deberá platearse cuál será el uso que pretende dar al aprendizaje de la IA. Si es para procesos de investigación, análisis de datos masivos, y la extracción de conclusiones en estudios de campo, entonces focalizar hacia el Learning Machine (LM) es un objetivo correcto y utilizar el curso de Google general, punto 2.1.3-2 de este capítulo.

Además es recomendable un lenguaje de programación, Phyton es una opción muy recomendable que figura como formación complementaria en este capítulo. Para más tarde dirigirse a PyThor como framework de investigación. El rendimiento es perfecto. Hay otros marcos de trabajo. (Pero más bien para otros niveles y para desarrollo, propio para ingenieros). Keras suele ser también la opción de comienzo para biólogos y otros especialistas que sólo buscan manejar bigdata. Es muy intuitivo y sencillo. ¿Y quizá comenzar por Keras y después pasarse a PyThor? (Antes o después de leer este punto le recomiendo que lea detenidamente la voz de la experiencia sobre la ciencia de datos. Y lo digo por esto).

¿Apostamos al futuro en la ciencia de datos? Pues entonces ésta es una apuesta segura.


  • Puede que sea un ingeniero (en cualquiera de sus especialidades) con deseos de actualizar y orientar su carrera profesional. Seguramente también habrá explorado el mundo de las certificaciones profesionales en IT ofrecidas por Cisco, Microsoft, Fortinet, etc. en centros de Pearson Vue o Prometric y sigue sin estar convencido...

Pero ahora, tratándose de IA, ¿cuál es el framework a utilizar y qué formación? Respecto a la formación, la ofrecida por la Universidad de Stanford y por Google (más potente) son apropiadas por sus distintos niveles de dificultad y perfiles de usuarios.

Y leer también este libro completo, y su formación complementaria revisarla en función de su actividad laboral actual o futura. Y respecto al framework (aunque más adelante en otro capítulo volveré y analizaré este tema con mayor profundidad) para desarrollar, veamos el siguiente punto 2.1.-2. (¿Pensando en trabajar en la ciencia de datos? Conviene oír la voz de la experiencia entoces).


  • En el improbable caso de que sea un ingeniero que  busque cómo comenzar como desarrollador en IA... Bueno, bueno: eso lo dejamos para un capítulo más adelante. Un capítulo específico para los lenguajes de programación y sus frameworks de trabajo asociados. De momento es interesante contemplar el punto 2.1.-2 para comenzar.

[English]

I have been involved in regulated and unregulated training for more than 25 years; in addition to Eramus projects with European partners. And it is always a complex element to learn, where and when; especially if we think of artificial intelligence, of which there is an excess of disorderly information in my opinion. So training is now what concerns us.

Likewise, and in the face of overexcessing information, our guideline will always be from the practical point of view and in order to guide the most experienced paths that can be shaped based on the opinions of the best possible specialists.

I am keeping in mind (to recommend this training) different user profile categories:

Will suppose you are a person eager for knowledge, you like computer science, but your profession is not related to computer science or the IT world. So I recommend that you start with this course, AI for everyone (Instructor, Andrew Ng, CEO / Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist, Baidu and founding lead of Google Brain).


  • You may be an IT technician looking for new horizons, and AI is a very good one with a future. But it must not be impatient. I recommend that you acquire good conceptual bases, which will form a good framework for a perfect acquisition of knowledge. Do not get carried away by fashions and inertia. At some point (if not now) you should consider reviewing the additional training at Complementary training in English. The course offered by the University of Helsinkin is a good start.

  • May be you are a healthcare professional or related to biology. Then it should be plated what the intended use of AI learning will be. If it is for research processes, massive data analysis, and the extraction of conclusions in field studies, then focusing on the learning machine (LM) is a correct objective and use the general Google course, point 2.1.3-2 of this chapter.

In addition a programming language is recommended, Phyton is a highly recommended option that appears as complementary training in this chapter. To later turn to PyThor as a research framework. The performance is perfect. But there are other frameworks. (But rather for other levels and for development, own for engineers). Keras is also usually the start option for biologists and other specialists who only seek to handle bigdata. It is very intuitive and simple. And maybe start with Keras and then switch to PyThor?(Before or after reading this point I recommend that you carefully read the voice of experience on data science. I say for this).

Do we bet on the future in data science? Well then this is a safe bet.


  • Or may be an engineer (in any of his specialties) with the desire to update and guide his professional career. You will surely also have explored the world of professional IT certifications offered by Cisco, Microsoft, Fortinet, etc. in Pearson Vue or Prometric centers and still not convinced...

But now, in the case of AI, what is the framework to use and what training? Regarding training, the one offered by Stanford University and by Google(more powerful) are appropriate for their different levels of difficulty and user profiles.

And also read this complete book, and its complementary training, review it according to your current or future work activity. And regarding the framework (although later in another chapter I will return and analyze this topic in greater depth) to develop, let's see the next point 2.1.-2 . (Thinking about working in data science? It is convenient to hear the voice of experience then).


  • In the unlikely event that he is an engineer looking for how to start as an AI developer... Well, well: we leave that for a chapter later. A specific chapter for programming languages and their associated work frameworks. At the moment it is interesting to contemplate point 2.1.-2 to start. 

2.1.2.- Orientación de los frameworks de desarrollo y cuál elegir | Orientation of development frameworks and which one to choose

  • Si está comenzando y quiere descubrir qué es qué, la mejor opción es Keras.
  • Para fines de investigación elija PyTorch.
  • Para la producción, debe centrarse en la tendencia actual de trabajar en la nube. Por lo que para Google Cloud la mejor opción es TensorFlow y para AWS (Amazón) - MXNet y Gluon.
  • Los desarrolladores de Android deben prestar atención a D4LJ. Para iOS, Core ML compromete una gama similar de tareas.
  • Finalmente, ONNX ayudará con preguntas de interacción entre diferentes marcos.

(Las referencias sobre frameworks han sido extraidas de Top 10 Best Deep Learning Frameworks in 2019, Oleksii Kharkovyna, Towards Data Science).


[English]

  • If you are starting and want to find out what is what, the best option is Keras.
  • For research purposes choose PyTorch.
  • For production, you should focus on the current trend of working in the cloud. So for Google Cloud the best option is TensorFlow and for AWS (Amazon) - MXNet and Gluon.
  • Android developers should pay attention to D4LJ. For iOS, Core ML commits a similar range of tasks.
  • Finally, ONNX will help with interaction questions between different frameworks.

(References on frameworks have been extracted from Top 10 Best Deep Learning Frameworks in 2019, Oleksii Kharkovyna, Towards Data Science).


2.1-3.- Formación online libre, reconocida y gratuita recomendada: | Free, recognized and online training recommend:

2.1.3-1.- La Universidad de Helsinki ha lanzado un curso gratuito en Internet llamado Los elementos de una IA. | The University of Helsinki has launched a free online course called The Elements of an AI.


AI-helsinki.png

Fig. I A. C2.1.2- URL El País: http://cort.as/-Lcrw


Los elementos de una IA es una serie de cursos gratuitos en línea creados por Reaktor y la Universidad de Helsinki. Quieren animar a un grupo de personas lo más amplio posible para que aprendan qué es la IA, qué se puede (y no se puede) hacer con la IA y cómo comenzar a crear métodos de IA. Los cursos combinan teoría con ejercicios prácticos y se pueden completar a su propio ritmoC2.1-1.


[English]

«The Elements of AI is a series of free online courses created by Reaktor and the University of Helsinki. We want to encourage as broad a group of people as possible to learn what AI is, what can (and can’t) be done with AI, and how to start creating AI methods. The courses combine theory with practical exercises and can be completed at your own pace»C2.1-1.

Más información / More information: URL El Paíshttp://cort.as/-Lcrw


2.1.3-2.- «Aprende con la IA de Google: democratizando el Machine Learning». | Learn with the Google AI: Democratizing Machine Learning.


Google-AI.png

Fig. I A . C2.1.3- URL: https://ai.google/education


«Para ayudar a todas las personas a entender la capacidad de la AI para resolver problemas complicados, hemos creado un recurso llamado Learn with Google AI. Este sitio proporciona mecanismos para aprender conceptos esenciales del aprendizaje automático, además de facilitar el desarrollo y el perfeccionamiento de habilidades relacionadas con el aprendizaje automático y aplicar esta tecnología a los problemas reales. Desde expertos en aprendizaje profundo que desean acceder a tutoriales y materiales avanzados sobre TensorFlow, a los individuos curiosos que desean dar sus primeros pasos con la AI, éste es el sitio ideal para cualquier persona que desee buscar contenidos educativos elaborados por expertos de Google especializados en aprendizaje automático. Learn with Google AI también ofrece un curso nuevo y gratuito llamado Machine Learning Crash Course (MLCC), que proporciona ejercicios, visualizaciones interactivas y vídeos instructivos que pueden usar los usuarios interesados en aprender y realizar prácticas con conceptos relacionados con el aprendizaje automático. Este curso está disponible en Español» C2.1-2


[English]

To help people understand the AI's ability to solve complicated problems, we have created a resource called Learn with Google AI. This site provides mechanisms to learn essential concepts of machine learning, in addition to facilitating the development and improvement of skills related to machine learning and applying this technology to real problems. From experts in deep learning who want to access tutorials and advanced materials on TensorFlow, to curious individuals who want to take their first steps with the AI, this is the ideal place for anyone who wants to search educational content developed by Google experts specialized in automatic learning Learn with Google AI also offers a new free course called Machine Learning Crash Course (MLCC), which provides exercises, interactive visualizations and instructional videos that can be used by users interested in learning and practicing with concepts related to machine learning C2.1-2.

 [URL El País: http://cort.as/-Ldff ]

Más información / More information: URL El País: http://cort.as/-Ld09


2.1.3-3.- Aprendizaje automático - Universidad de Stanford | Machine Learning - Stanford University


IA-stanford.png

 


Fig. I A. C2.1.4- URL El Paíshttp://cort.as/-LdCJ


Aprenderá sobre las técnicas de aprendizaje automático más efectivas, y adquirirá práctica implementándolas y haciendo que funcionen por su cuenta. Aprenderá no sólo los fundamentos teóricos del aprendizaje, sino que también obtendrá los conocimientos prácticos necesarios para aplicar estas técnicas de manera rápida y poderosa a nuevos problemas. Finalmente, aprenderá sobre algunas de las mejores prácticas de innovación de Silicon Valley en lo que respecta al aprendizaje automático y la inteligencia artificial.  Este curso proporciona una amplia introducción al aprendizaje automático, el análisis de datos y el reconocimiento de patrones estadísticos. Los temas incluyen: (i) Aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de vectores de soporte, núcleos, redes neuronales). (ii) Aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo). (iii) Mejores prácticas en aprendizaje automático (teoría de sesgo / varianza; proceso de innovación en aprendizaje automático y IA). El curso también se basará en numerosos estudios de casos y aplicaciones, de modo que también aprenderá cómo aplicar algoritmos de aprendizaje para construir robots inteligentes (percepción, control), comprensión de texto (búsqueda web, antispam), visión artificial, informática médica, audio, minería de bases de datos, y otras áreasC2.1-3. [Extracto traducido de la web de Coursera] 


[English]

«Machine learning is the science of getting computers to act without being explicitly programmed. In the past decade, machine learning has given us self-driving cars, practical speech recognition, effective web search, and a vastly improved understanding of the human genome. Machine learning is so pervasive today that you probably use it dozens of times a day without knowing it. Many researchers also think it is the best way to make progress towards human-level AI. In this class, you will learn about the most effective machine learning techniques, and gain practice implementing them and getting them to work for yourself. More importantly, you'll learn about not only the theoretical underpinnings of learning, but also gain the practical know-how needed to quickly and powerfully apply these techniques to new problems. Finally, you'll learn about some of Silicon Valley's best practices in innovation as it pertains to machine learning and AI.

This course provides a broad introduction to machine learning, datamining, and statistical pattern recognition. Topics include: (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI).

The course will also draw from numerous case studies and applications, so that you'll also learn how to apply learning algorithms to building smart robots (perception, control), text understanding (web search, anti-spam), computer vision, medical informatics, audio, database mining, and other areas»C2.1-3.

Más información / More information: URL El País: http://cort.as/-LdFK


Bibliografía  | Bibliography


[C2.1-1] University of Helsinki & Reaktor. Welcome to the Elements of AI free online course! [Recuperado (16/07/2019) de https://www.elementsofai.com/]

[C2.1-2] Gerente de programas de Google. (2/03/2018). Blog Oficial de Google España. Kemp, Z. [Recuperado (22/07/2019) de https://espana.googleblog.com/2018/03/aprende-con-la-ia-de-google_2.html]

[C2.1-3]  Universidad de Stanford. Coursera / Stanford. Machine Learning. [Recuperado (22/07/2019) de https://www.coursera.org/learn/machine-learning]


© 2019. Licencia de uso y distribución / License for use and distribution: [ Los estados de la inteligencia artificial (IA) | The states of artificial intelligence (AI) ] creative commons CC BY-NC-ND |ISSN 2695-3803|


Back to top