Machine learning cloud

Información útil de Machine Learning en Cloud Público

El aprendizaje automático, es un enfoque y un conjunto de tecnologías que utilizan conceptos de IA, está directamente relacionado con el reconocimiento de patrones y el aprendizaje computacional. Es un concepto antiguo, definido por primera vez en 1959 como dar a las computadoras la capacidad de aprender sin reprogramar.

El aprendizaje automático estuvo una vez fuera del alcance de la mayoría de los presupuestos empresariales, pero hoy en día, la capacidad de los proveedores de nube pública para ofrecer servicios de aprendizaje automático, hace que esta tecnología sea asequible. Os ofrecemos algunos datos sobre el aprendizaje automático y su relevancia para las necesidades actuales de desarrollo e implementación de TI, especialmente para aquellas empresas que trabajan y tienen su infraestructura ubicada en la nube.

¿Qué es el Machine Learning (ML)?

El aprendizaje automático consiste realmente en el estudio de algoritmos que tienen la capacidad de aprender a través de patrones y, en base a eso, hacer predicciones contra patrones de datos. Es la mejor alternativa para aprovechar las instrucciones estáticas del programa y hacer predicciones o decisiones basadas en datos, que mejorarán con el tiempo sin intervención humana ni programación adicional.

El propósito del ML es que las personas y las máquinas trabajen de la mano, al ser éstas capaces de aprender tal y como un humano lo haría. Esto es precisamente lo que hacen los algoritmos: permiten que las máquinas ejecuten tareas, tanto generales como específicas. Son estos algoritmos los que proporcionan hallazgos o conclusiones relevantes obtenidas de un conjunto de datos sin que el ser humano tenga que escribir instrucciones o códigos para esto.

Muchos sistemas de aprendizaje automático de código abierto, son compatibles con los tipos de predicciones que se describian anteriormente, y han existido durante años. Sin embargo, el costo de estos sistemas, en términos de hardware y software, estaba hasta hace poco fuera del alcance de la mayoría de las empresas. Además, incluso si una empresa se lo podía permitir, por lo general no tenía el talento de aprendizaje automático requerido para diseñar los modelos de predicción o lidiar con la ciencia de datos requerida.

Actualmente las soluciones de aprendizaje automático basadas en la nube de los tres grandes proveedores de cloud público: Google, AWS y Microsoft. Son muy diferentes entre sí, pero comparten algunos puntos en común, ventajas y limitaciones:

Ventajas de los sistemas ML disponibles:

  • Los proveedores de cloud público ofrecen múltiples opciones para utilizar sus sistemas ML disponibles, por lo tanto seria más sencillo que utilizar nuestra propia infraestructura para manejar aplicaciones de aprendizaje automático, como las que hemos estado comentando.
  • Las nubes públicas también proporcionan almacenamiento de datos barato. Se pueden aprovechar verdaderas bases de datos o diferentes sistemas de almacenamiento, para realizar la entrada de los datos en las aplicaciones habilitadas para el aprendizaje automático.
  • Todos los proveedores suelen proporcionar SDK (kits de desarrollo de software) y API,  que nos permiten integrar funcionalidades de aprendizaje automático directamente en las aplicaciones, y son compatibles con la mayoría de los lenguajes de programación.
  • El valor real de la tecnología de aprendizaje automático es el uso desde dentro de las aplicaciones, porque los tipos de predicciones que se realizan están más enfocados en las operaciones y en las transacciones.

Desventajas de los sistemas ML disponibles:

  • Los sistemas de aprendizaje automático en determinadas nubes públicas están bastante ligados a esas nubes. Por lo tanto, si utiliza un sistema de aprendizaje automático en la nube A, entonces el mecanismo de almacenamiento de datos en la nube A normalmente será compatible de forma nativa. Sin embargo, su base de datos empresarial no es compatible a menos que proporcione integración de datos entre su sistema de almacenamiento de datos local y los disponibles en la nube.
  • Por lo tanto, el valor clave para el proveedor de la nube es claro: si usted, el cliente, desea aprovechar el sistema de aprendizaje automático nativo, es probable que también desee aprovechar los sistemas de almacenamiento nativo y las bases de datos nativos.
  • Se puede acceder al sistema de aprendizaje automático como un servicio nativo en la nube. Pero si está trabajando con implementaciones de nube híbrida, entonces la separación de los datos del motor de aprendizaje de la máquina será problemática en términos de rendimiento, costo y facilidad de uso.

Conclusiones

Aunque el aprendizaje automático se está vendiendo como una herramienta nueva y brillante, en realidad es una tecnología que ha ido evolucionando durante años. La economía actual enfocada al desarrollo tecnológico permite considerar el poder de la inteligencia artificial para disponer de potentes herramientas que nos permitan poder disponer de datos y utilidades imprescindibles para elaborar las diferentes estrategias comerciales.

Aún así, los sistemas de aprendizaje automático deben ser creados y administrados por aquellos, que entienden el aprendizaje automático y los resultados obtenidos de su gestión de datos. Las limitaciones no están dentro de la tecnología, sino en el número limitado de personas que pueden entenderla y utilizarla de manera eficiente. El problema de estas habilidades tardará mucho más en resolverse, pero cuando lo resolvamos, estaremos ante una tecnología que puede cambiar realmente la gestión de la mayoría de las empresas.

Fuente:

https://techbeacon.com/enterprise-it/machine-learning-cloud-how-it-can-help-you-right-now