Introducción de la Guía de implementación

6 pasos  |  30 minutos

Machine_Learning_HERO-ART_SM

P: ¿Qué es Amazon Machine Learning (Amazon ML)?

Amazon ML es un servicio que le permite crear con facilidad aplicaciones predictivas, como la detección de fraude, la previsión de la demanda y de clics. Amazon ML utiliza algoritmos eficaces que pueden ayudarlo a crear modelos de aprendizaje automático al detectar patrones en datos y utilizarlos para realizar predicciones con datos nuevos en cuanto estos estén disponibles. La consola de administración de AWS y las API proporcionan herramientas de visualización de datos y modelos, así como asistentes que le guiarán a lo largo del proceso de creación de modelos de aprendizaje automático, midiendo su calidad y ajustando las predicciones de acuerdo con los requisitos de su aplicación. Una vez creados los modelos, puede obtener predicciones para su aplicación mediante el API sencilla, sin tener que implementar código de generación de predicciones personalizado ni administrar ninguna infraestructura. Amazon ML tiene un alto nivel de escalado y puede generar miles de millones de predicciones, además de abastecer dichas predicciones en tiempo real y con un desempeño excelente. Con Amazon ML no existen costos de configuración. Pagará por lo que utilice, de modo que podrá comenzar con pocos recursos y escalar el servicio a medida que crezca su aplicación.

P: ¿Cuáles son algunos casos de uso de Amazon ML?

Puede utilizar Amazon ML para crear una gran variedad de aplicaciones predictivas. Por ejemplo, puede utilizar Amazon ML para crear aplicaciones que marquen transacciones sospechosas, detecten pedidos fraudulentos, predigan la demanda, personalicen el contenido, predigan la actividad de los usuarios, filtren críticas, examinen el contenido de las redes sociales, analicen el texto sin formato y recomienden artículos.

P: ¿De qué medidas de seguridad dispone Amazon ML?

Amazon ML garantiza que los modelos de ML y otros elementos del sistema estén cifrados tanto en tránsito como en reposo. Las solicitudes a la consola y la API de Amazon ML se efectúan a través de una conexión segura (SSL). Puede utilizar AWS Identity and Access Management (AWS IAM) para controlar qué usuarios de IAM disponen de acceso a acciones y recursos específicos de Amazon Machine Learning.

P: ¿Dónde puedo almacenar mis datos en Amazon ML?

Puede utilizar Amazon ML para leer los datos desde tres almacenes de datos: (a) uno o más archivos de Amazon S3, como en el ejemplo de este proyecto; (b) los resultados de una consulta de Amazon Redshift, o (c) los resultados de una consulta de Amazon Relational Database Service (RDS) efectuada en una base de datos ejecutada con el motor MySQL. Normalmente, los datos de otros productos se pueden exportar en archivos CSV de Amazon S3, de modo que Amazon ML pueda acceder a ellos. Para obtener instrucciones detalladas sobre la configuración de permisos que permiten a Amazon ML obtener acceso a los almacenes de datos compatibles, consulte la Guía para desarrolladores de Amazon Machine Learning.

P: Quiero utilizar este ejemplo de proyecto con mis propios datos. ¿Hay límites en cuanto al tamaño del conjunto de datos que se puede utilizar para el entrenamiento?

Amazon ML puede entrenar modelos con conjuntos de datos con tamaños de hasta 100 GB.

P: ¿Cómo puedo ajustar el modelo si no proporciona los resultados que deseo?

La mejor manera de mejorar la calidad de un modelo es utilizar más datos de mejor calidad para entrenarlo. Agregar más observaciones y tipos adicionales de información y transformar los datos para optimizar el proceso de aprendizaje son maneras excelentes de mejorar la precisión predictiva del modelo. Amazon ML también proporciona diversos parámetros para ajustar el proceso de aprendizaje: (a) tamaño objetivo del modelo, (b) número de pasadas realizadas a los datos y (c) tipo y nivel de normalización que se debe aplicar al modelo. Por último, un aspecto importante que debe tenerse en cuenta respecto del ajuste de modelos es el modo en que la aplicación interpreta las predicciones generadas por el modelo de ML para que se correspondan de manera óptima con los objetivos de la empresa. Amazon ML lo ayuda a ajustar la puntuación límite de interpretación para modelos de clasificación binaria, lo que le permite alcanzar un equilibrio fundamentado entre diferentes tipos de errores que un modelo entrenado puede cometer. Por ejemplo, algunas aplicaciones son muy tolerantes a errores falsos positivos, pero no admiten bien los errores negativos falsos. La consola de servicio de Amazon ML le permite ajustar el límite de la puntuación para satisfacer este requisito.

P: ¿Qué puedo hacer con el modelo predictivo que cree con Amazon ML?

Una vez que cree las predicciones, existen varias maneras en las que puede utilizar los resultados. Por ejemplo, puede cargar los datos en una hoja de cálculo para ordenar y filtrar los datos por puntuaciones predictivas. También puede cargar los datos en una base de datos como Amazon RDS o Amazon RedShift para generar listas de segmentos cualificados. Además, puede cargar la puntuación de predicción en una base de datos NoSQL con Amazon DynamoDB para proporcionar la puntuación de predicción en tiempo real a una aplicación.

Introducción a la Guía de implementación