Machine learning al alcance de la mano

Según Forrester Research, "el 98% de las empresas experimentan desafíos a la hora de obtener información de los datos que recopilan; esto se debe principalmente a la falta de experiencia por parte de las empresas."¹ Mientras que su organización puede ser capaz de mantener su ventaja competitiva hoy en día sin estos conocimientos, el ritmo de cambio hacia la transformación digital pronto puede afectar a su negocio.

Por lo tanto, las organizaciones de todo el mundo se centran en el uso de datos con la incorporación de la Inteligencia Artificial (IA) y el Machine Learning (ML) para mejorar sus negocios. Con el ML, se pueden mejorar y automatizar las operaciones de negocio, predecir eventos y comportamientos, y ejecutar proactivamente acciones programáticas prescriptivas basadas en estas predicciones.

Por ejemplo, utilizando el ML y el análisis predictivo, su organización puede identificar y dirigirse a nuevos compradores o identificar los mejores momentos para realizar una venta al comprender mejor el comportamiento y las preferencias de los consumidores. Si usted es un prestador de servicios de salud, su organización puede analizar los diagnósticos codificados, así como los datos de admisión, traslado y alta del paciente para reducir las tasas de reingreso. En pocas palabras, el ML puede ahorrar tiempo y recursos, mejorar las proyecciones y permitirle tomar mejores decisiones y obtener mejores resultados.Todo esto parece estupendo, pero tiene un inconveniente:Afortunadamente, los expertos del sector están trabajando para facilitar el uso del ML mediante el desarrollo de nuevas herramientas, como AutoML e IntegratedML^®

.

Al leer este resumen tecnológico, descubrirá:

• Por qué el ML es fundamental para el éxito de su empresa
• Cómo la escasez de talentos está dificultando que las organizaciones aprovechen el ML
• Qué es AutoML y cómo le ayuda a ganar la guerra del talento de la IA
• Qué es InterSystems IntegratedML® y cómo está diseñado:
  
  • Permita que sus desarrolladores de software actuales desarrollen modelos de ML y aplicaciones habilitadas para ML.
  • Aumente la productividad de los cientistas de datos calificados.
  • Simplifique los procesos operativos y analíticos para mejorar la experiencia del cliente, la eficiencia operativa y la productividad.
  • Mejore la precisión de las proyecciones, cree mejores resultados de negocios y permita diferenciarse de sus competidores.

Este resumen tecnológico es una lectura apropiada para los ejecutivos de líneas de negocios, gerentes y profesionales de TI, ya sea que esté buscando ampliar la productividad de su equipo de ML o simplemente comenzar con ML sin la necesidad de contratar expertos en ML.

Descargar el resumen tecnológico

Como aplicación de la IA, el ML entrena a una máquina para que aprenda sobre los datos a partir de la experiencia y la inferencia. Mejora continuamente los resultados sin necesidad de ser programado específicamente para ello.

El ML puede analizar una amplia gama de datos y crear modelos utilizados para satisfacer una gran variedad de requisitos analíticos y operativos. Fuera de línea, los modelos de ML pueden ayudar a los usuarios de las empresas a entender el comportamiento de los clientes o los problemas de eficiencia de los procesos, por nombrar sólo algunas aplicaciones. Cuando se implementa en línea, o en el flujo operativo de una empresa, el ML puede ofrecer resultados mejorados de forma muy visible, ya sea recomendando un producto o un servicio preferido a un cliente mientras navega, alertando de forma proactiva antes de realizar una venta si existe un alto riesgo de que el proveedor no pueda cumplir, o determinando si una transacción puede ser fraudulenta antes de aprobarla. Las operaciones de los departamentos en cada parte de su organización pueden beneficiarse del ML, incluyendo ventas o marketing, investigación y desarrollo, asuntos legales, recursos humanos, atención al cliente, desarrollo de productos e incluso finanzas. El hecho es que el ML está proporcionando valor en casi todas las industrias, y promete convertirse en un elemento común a medida que más y más organizaciones lo adopten.

Usted ya está experimentando el ML en su vida cotidiana: desde los asistentes personales virtuales como Amazon Alexa y Siri de Apple, a los filtros de spam y detectores de malware, al método de Facebook para sugerir nuevos amigos y nuevos grupos, a los chatbots que proporcionan atención al cliente en línea, a los automóviles inteligentes que se conducen solos.

El machine learning ofrece muchas ventajas, pero cabe preguntarse por qué no lo utilizan más empresas Una razón clave: el ML es difícil de usar y requiere un alto nivel de experiencia.

El ML requiere expertos que entiendan la teoría, la tecnología, los métodos y las herramientas. Hoy en día, estos expertos son pocos y están muy solicitados. Según los últimos datos de la Oficina de Estadísticas Laborales de Estados Unidos, hay menos de 32.000 cientistas de datos en total en ese país.² Para agravar la escasez de especialistas en IA y de cientistas de datos, gran parte del talento disponible está siendo contratado por los gigantes digitales, como Amazon, Facebook, Google y Microsoft, que pagan salarios desorbitados. Esto dificulta que las organizaciones compitan por estos recursos ya escasos.

El Automated Machine Learning (AutoML) es una nueva tecnología que está en auge para las organizaciones que buscan ampliar el alcance de su actual talento de ML y para aquellas que están empezando a recorrer su camino de ML.

AutoML es una propuesta relativamente nueva para la ciencia de datos que automatiza y simplifica la creación de modelos ML. Esta herramienta lleva a cabo la ingeniería de características, automatizando el proceso de transformación de los datos brutos en formatos apropiados para los modelos de ML. Además, automatiza la selección del modelo, el entrenamiento y el análisis de los resultados, y prueba diferentes algoritmos de ML con parámetros variables para crear el modelo más preciso para cualquier tipo de problema. Para las organizaciones que cuentan con un equipo cientistas de datos, esto automatiza gran parte de los procesos manuales o de prueba y error utilizados para construir modelos de ML y mejora significativamente su productividad, ahorrando tiempo y esfuerzo.

Si aún no cuenta con especialistas en ML en su personal, realizar la ingeniería de características, crear y entrenar modelos puede ser un desafío. Pero ahora, con AutoML, su organización no necesita contar necesariamente con cientistas de datos para crear modelos de ML que sean útiles. En cambio, puede empezar con casos de uso sencillos y AutoML, y al mismo tiempo formar a sus desarrolladores para que se encarguen de una mayor parte del proceso de análisis y desarrollo de ML.

Sin embargo, muchas herramientas de AutoML actuales son limitadas. Aunque son capaces de crear modelos de ML, no proporcionan ninguna funcionalidad para ejecutar dichos modelos dentro de los procesos de negocios en tiempo real. Este es un aspecto importante en el que InterSystems IntegratedML es diferente.

InterSystems IntegratedML es una funcionalidad que forma parte de InterSystems IRIS® Data Platform, el cual es un completo entorno de software para la gestión de datos. IntegratedML ofrece todas las características y ventajas del AutoML tradicional. Sin embargo, al estar integrado dentro de InterSystems IRIS, usted puede desarrollar e implantar aplicaciones sofisticadas que ejecuten sin problemas estos modelos de forma dinámica en respuesta a eventos y transacciones en tiempo real, sin extraer ni mover ningún modelo o dato.

Por ejemplo, considere un banco que emite tarjetas de crédito y que necesita identificar el riesgo de fraude antes de aprobar cada transacción. Para ello, se ejecuta una aplicación de tarjetas de crédito de alto rendimiento en tiempo real desarrollada con InterSystems IRIS, que almacena todos los datos demográficos y financieros de todos los clientes y transacciones de tarjetas de crédito. Esta aplicación puede contener cientos de elementos de datos para cada transacción con tarjeta de crédito, incluyendo si cada transacción fue fraudulenta o válida.

Con IntegratedML, los desarrolladores de aplicaciones existentes en la entidad bancaria pueden crear automáticamente un modelo de ML para identificar las transacciones de alto riesgo basándose en las transacciones anteriores, simplemente seleccionando el campo deseado (por ejemplo, "is_fraudulent") y dejando que IntegratedML cree el modelo y los parámetros más adecuados.

Pero a diferencia del AutoML tradicional, el modelo basado en IntegratedML de InterSystems puede incorporarse sin problemas a la aplicación de tarjeta de crédito para ejecutarse en tiempo real con cada transacción entrante, y la aplicación puede tomar las acciones programáticas adecuadas si el modelo determina que hay un
alto riesgo de fraude, como impedir la transacción así como llamar y enviar un mensaje de texto al propietario de la tarjeta.

IntegratedML también facilita la actualización de los modelos a medida que las aplicaciones se ejecutan en producción y se generan nuevos datos. Por ejemplo, en el caso de los fraudes con tarjetas de crédito, a medida que la aplicación detecte y evite un modo de fraude, los delincuentes iniciarán seguramente otras técnicas. Dado que todos los datos, incluidos los más recientes, se almacenan en la plataforma de datos, no es necesario crear extractos manuales ni trasladar los datos a diferentes entornos. En cambio, el banco puede perfeccionar continuamente los modelos utilizando los datos más recientes para detectar y prevenir nuevos patrones de ataque, sin demora.

Con InterSystems IRIS e IntegratedML, puede desarrollar aplicaciones que realicen acciones programáticas prescriptivas inteligentes en respuesta a eventos en tiempo real y obtener ventajas competitivas críticas y beneficios de negocios. Esto le ayudará a ser el primero en comercializar un nuevo producto o servicio, a ser el primero en actuar en una nueva iniciativa y a ser el primero en responder a un cambio en el comportamiento de los clientes.

Con IntegratedML, un desarrollador con escasos o nulos conocimientos de ML puede utilizar SQL para desarrollar sofisticados modelos de ML.

Esto no quiere decir que no se deba contratar nunca a cientista de datos. Si su organización es una gran empresa con un equipo de cientistas de datos, IntegratedML puede ahorrar a sus ingenieros y cientistas de datos bastante tiempo. Por ejemplo, una encuesta de 2018 realizada por Kaggle ML and Data Science³ descubrió que los cientistas de datos dedican casi el 40 % de su tiempo a recopilar y limpiar datos⁴ (véase la Figura 1 a continuación). El uso de IntegratedML para la preparación de datos y la ingeniería de características puede liberar a sus cientistas de datos para que se centren en tareas más importantes y de mayor valor, como la optimización de modelos.

Para las organizaciones que acaban de empezar con el ML, InterSystems IntegratedML permite que los desarrolladores y los analistas de software encargados de crear sus aplicaciones de negocios exploren el ML por su cuenta. IntegratedML automatiza el trabajo básico, como la identificación de los modelos más adecuados, el establecimiento de parámetros y la construcción y el entrenamiento de los modelos. También acelera el proceso de integración de los modelos de ML en las aplicaciones de producción. A medida que sus desarrolladores se vuelvan más expertos y empiecen a entender el proceso y los resultados, podrán empezar a modificar los parámetros opcionales y a establecer los valores ellos mismos. Los cientistas de datos también pueden ser más productivos con IntegratedML, ya que pueden dedicar su tiempo a la optimización del actual modelo en lugar de lidiar con los datos y la ingeniería y selección de sus características.

Con IntegratedML, el entrenamiento del modelo, incluida la identificación de las características de entrada más adecuadas a partir de los datos de origen, el ajuste de los parámetros del modelo y la ejecución se llevan a cabo mediante el uso de un puñado de comandos SQL

.CREATE MODEL WillSurvive PREDICTING (Survived) FROM Titanic

El comando CREATE MODEL establece los metadatos del modelo de machine learning. Los desarrolladores especifican el nombre del modelo (WillSurvive), el campo objetivo que se va a predecir (Survived) y un conjunto de datos del que se obtendrá el campo objetivo y todos los campos de entrada del modelo (Titanic). La sintaxis FROM es totalmente general y puede especificar cualquier expresión de subconsulta. Los metadatos asociados a este conjunto de datos también se utilizan para inferir los tipos de datos de los campos de destino y de entrada, definiendo completamente el problema que debe resolver el modelo.

TRAIN MODEL WillSurvive FROM Titanic

El comando TRAIN MODEL especifica los datos que se utilizarán para el entrenamiento y ejecuta el motor AutoML, que toma como entrada un conjunto de datos relacionales. Como la sintaxis FROM es general, el mismo modelo puede entrenarse varias veces con diferentes conjuntos de datos. Por ejemplo, puede querer entrenar un modelo de campaña de marketing en diferentes segmentos de clientes, o volver a entrenar su modelo de forma regular, a medida que se dispone de nuevos datos de entrenamiento.

El motor AutoML se encarga automáticamente de todas las tareas de aprendizaje automático necesarias. Identifica las características relevantes del candidato a partir de los datos seleccionados, considera los tipos de modelos aplicables en función de los datos y la definición del problema, y ajusta los hiperparámetros para producir uno o más modelos ejecutables.

Los desarrolladores pueden elegir entre diferentes motores AutoML, incluyendo InterSystems AutoML, H2O y DataRobot Enterprise AI Platform. Todas las opciones del motor AutoML están perfectamente integradas en InterSystems IRIS y son transparentes para los desarrolladores.SELECTPREDICT(WillSurvive) As Predicted FROM Titanic

SELECT PROBABILITY(WillSurvive FOR 1) FROM Titanic
Una vez entrenado, el modelo proporciona resultados mediante una de las dos funciones escalares, PREDICT() y PROBABILITY(). PREDICT() devuelve el valor más probable o estimado para la columna especificada según lo determinado por el modelo entrenado. Para los problemas de categorización, PROBABILITY() devuelve la probabilidad calculada del modelo entrenado de que el campo objetivo del modelo sea igual a un valor definido por el usuario. Estas simples funciones escalares pueden utilizarse en cualquier lugar de una consulta y en cualquier combinación con otros campos y funciones. Una de las principales innovaciones que aporta IntegratedML es que se encarga de asignar de forma transparente los campos disponibles en el contexto de la consulta dada a los campos de entrada necesarios para ejecutar el modelo.

IntegratedML ofrece una flexibilidad adicional a los desarrolladores, por ejemplo, para asignar a otras fuentes de datos distintas de la tabla o consulta concreta utilizada para crear o entrenar el modelo, como se ilustra en el siguiente ejemplo.

SELECT Name, PREDICT(WillSurvive WITH Sex = Geschlecht, Age = DATEDIFF(year, NOW(), Geburtsdatum), Fare = TicketPreise, Cabin = Kabine) FROM Hindenburg

Mientras que la mayoría de las soluciones de AutoML operan en un entorno independiente con un acoplamiento poco estricto con plataformas de datos y aplicaciones externas, IntegratedML es diferente. Además, funciona a la perfección dentro de InterSystems IRIS data platform para acelerar y simplificar el entrenamiento y la ejecución de los modelos de ML, y permite que estos se integren a la perfección dentro de las aplicaciones de InterSystems IRIS sin necesidad de mover los datos o los modelos. Esta operacionalización de los modelos de ML se considera uno de los mayores impedimentos para la rápida adopción del ML en las aplicaciones de negocio.

La tecnología de InterSystems impulsa unas 150.000 implantaciones en todo el mundo en una gran variedad de industrias. InterSystems IRIS Data Platform es una completa plataforma de software de gestión de datos creada para acelerar y simplificar el desarrollo de aplicaciones en tiempo real basadas en datos. InterSystems IRIS permite a los desarrolladores incorporar análisis muy sofisticados que incluyen inteligencia de negocios, inteligencia artificial, inteligencia matemática, procesamiento del lenguaje natural y análisis predictivo, en los procesos de negocios de misión crítica en tiempo real. El motor de base de datos integrado de alto rendimiento transaccional-analítico soporta simultáneamente cargas de trabajo operativas y analíticas a muy alta escala.

Además de sus funcionalidades integradas de desarrollo y ejecución de ML, InterSystems IRIS también permite:

La integración de datos y aplicaciones por medio de InterSystems IRIS que proporciona un conjunto completo de funcionalidades de integración e interoperabilidad para limpiar, transformar y normalizar datos, y soportar integraciones de gran complejidad. Proporciona conectividad y transformaciones de datos listas para usar para una amplia gama de aplicaciones empaquetadas, bases de datos, estándares industriales, protocolos y tecnologías para facilitar la integración y el análisis de datos y la creación de modelos predictivos y prescriptivos.

También proporciona conectividad y transformaciones de datos para una amplia gama de aplicaciones preconfiguradas, bases de datos, estándares de la industria, protocolos y tecnologías para facilitar la integración y el análisis de datos y construir modelos predictivos y prescriptivos. Estos procesos compuestos pueden agilizar las operaciones, activar alertas y hacerlo sin afectar al rendimiento de la aplicación.

Escalabilidad - InterSystems IRIS es vertical y horizontalmente escalable, así como altamente eficiente en cuanto a recursos, lo que lo hace ideal para aplicaciones que soportan tasas de ingestión de muy alto volumen, altos niveles de cargas de trabajo analíticas, muchos procesos de negocios concurrentes y la capacidad de procesar, almacenar y analizar conjuntos de datos muy grandes de manera rentable.

Informes y trazabilidad - Todos los datos (incluidos los datos en vuelo, los metadatos y los datos asociados a las transacciones asíncronas de larga duración) se almacenan automáticamente en la base de datos integrada y están disponibles para la elaboración de informes y análisis en tiempo real. La visualización y el diagnóstico del comportamiento de las integraciones y los procesos es más fácil gracias a las capacidades de rastreo visual.

Desarrollo gráfico: las herramientas gráficas de bajo código permiten a los desarrolladores diagramar visualmente los procesos, las transformaciones, las reglas y los flujos de trabajo, de modo que puedan centrarse en las interacciones lógicas entre los sistemas en lugar de la codificación. Los modelos gráficos fomentan la colaboración entre las líneas de negocio y las TI, lo que permite a su organización desarrollar nuevas soluciones o modificar las aplicaciones existentes con mayor rapidez.

Implantación - InterSystems IRIS admite una amplia gama de opciones de implantación, incluyendo las principales nubes públicas, nubes privadas, en las propias instalaciones y opciones de implantación híbrida.

Ya sea que busque deleitar a sus clientes con experiencias personalizadas en tiempo real, mejorar los resultados clínicos de los pacientes, predecir proactivamente las necesidades de mantenimiento antes de que se produzcan fallos, o detectar y prevenir el fraude en tiempo real, InterSystems IRIS e IntegratedML pueden ayudarle a lograr estos objetivos y más.

Más información sobre InterSystems IRIS

El machine learning es el futuro y cualquier organización que quiera competir tendrá que empezar a utilizarlo. Lamentablemente, los cientistas de datos son escasos y sus sueldos están por las nubes, lo que hace que sea un desafío para las grandes organizaciones expandir su huella de ML y para las pequeñas organizaciones comenzar con el ML. Si bien las innovaciones como AutoML están ayudando, el AutoML por sí solo no es suficiente.

InterSystems IntegratedML proporciona sofisticadas capacidades de AutoML, expuestas a través de una interfaz SQL intuitiva, y totalmente integradas dentro de una plataforma de datos completa. IntegratedML facilita la implantación de modelos de ML en aplicaciones de misión crítica en tiempo real, sin necesidad de trasladar los datos o los modelos, y sin requerir un equipo de cientistas de datos. En conjunto, InterSystems IRIS e IntegratedML le permiten crear un ciclo virtuoso de mejora, perfeccionando continuamente los modelos de ML sin demora en respuesta a los datos de producción más recientes.

Si tiene un equipo de cientistas de datos, IntegratedML mejorará la productividad de su equipo.

Si está comenzando su viaje de IA, IntegratedML puede hacer que comience con ML ahora, sin contratar a costosos expertos en ML.

En cualquier de los dos casos, IntegratedML puede ayudarlo:

• Acelere y simplifique la creación de modelos de ML
• Ejecute acciones programáticas inteligentes en tiempo real
• Agilice los procesos para mejorar la experiencia del cliente, la eficiencia operativa y la productividad
• Mejore la precisión de las proyecciones, acelere la obtención de mejores resultados de negocios y supere a su competencia
• Desarrolle aplicaciones más inteligentes de forma más rápida y sencilla con menos recursos
• Gane la guerra del conocimiento de la IA

Más información sobre InterSystems IRIS

---

^{1 - Instantánea de la oportunidad de Forrester. (2019) El conocimiento de los datos es clave para una experiencia del cliente diferenciada: una plataforma de análisis de datos unificada permite una CX2 oportuna y contextualmente relevante} - https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research -scientists.htm3 - https://www.kaggle.com/headsortails/what-we-do-in-the-kernels-a-kaggle-survey-story4 - https://businessoverbroadway.com/2019/02/19/how-do-data-professionals-spend-their-time-ondata-science-projects/