El Instituto de Ingeniería del Conocimiento (IIC) ha participado en Big Data Spain 2017 celebrado en Madrid. Este año hemos sido patrocinadores bronce del evento y, además de tener presencia con un stand dentro del congreso, hemos ofrecido una charla sobre Machine Learning, en la que nuestros compañeros del IIC han hablado sobre cómo aplicar técnicas Machine Learning en diferentes sectores. Hemos entrevistado a los ponentes para que nos den su visión sobre estas técnicas y su opinión sobre el evento.
Álvaro Barbero, Chief Data Scientist del IIC, habló sobre la generación automática de contenido con Deep Learning siguiendo el estilo de un texto dado. En esta charla, Barbero presentó la herramienta de código abierto Neurowriter, con la que generó títulos de películas, nombres, recetas…
¿Qué te ha parecido Big Data Spain 2017?
Big Data Spain es un evento muy importante, no solo por cifras de participantes, ya que es el segundo evento de Big Data más grande de Europa, sino que también por las tecnologías que hay presentes, la relevancia de los expositores, etc.
La asistencia a este evento muestra a los participantes una idea muy clara de cuáles son las tecnologías tanto dentro del mundo open source como del mundo privado que están empujando el sector Big Data.
Además de saber las tecnologías que se están utilizando. la asistencia a Big Data Spain también nos brinda la oportunidad de saber en qué sector se utilizan estas tecnologías, cómo se están aplicando las técnicas de Machine Learning, la Inteligencia Artificial, etc.
Big Data Spain nos proporciona un panorama muy claro de hacia dónde se dirige el sector, de cómo nuestra organización está posicionada dentro de este sector y hacia dónde tenemos que dirigirnos para que en los proyectos de analítica de datos podamos aplicar de lo que se está hablando en Big Data Spain y así poder estar a la última de estas tecnologías.
¿Dónde aplican las empresas las técnicas de Machine Learning?
El Machine Learning es una tecnología general, lo que significa que lo podemos aplicar en diversos campos de negocio. Las técnicas de Machine Learning nos permiten buscar patrones en los datos y ser capaces de detectarlos de manera automática y de forma repetitiva.
Con esta premisa, podemos decir que las técnicas de Machine Learning tienen diversas aplicaciones, como, por ejemplo, detectar comportamientos fraudulentos en banca, servicios, etc.
También podemos detectar de qué se está hablando en textos de Lenguaje Natural, ya sea escrito o hablado, para tomar decisiones sobre lo que los usuarios hablan u opinan; o detectar personas que tengan ciertos perfiles o competencias similares para contratarlos para un determinado puesto que requiera esos requisitos.
En definitiva, lo interesante es saber en qué campo o negocio se están usando las técnicas de Machine Learning para saber cómo en base a los datos se puede potenciar cualquier proceso de negocio utilizando esta herramienta.
¿Cómo está impactando en las empresas la Inteligencia Artificial?
Aunque resulte difícil de entender, la Inteligencia Artificial hoy en día como tal no existe, ya que la Inteligencia Artificial significa aplicar la inteligencia humana y eso todavía no es posible.
Lo que sí podemos hacer es, usando técnicas de Machine Learning, análisis de datos, etc., replicar de cierta manera un comportamiento inteligente. La detección de fraude, la selección de personas, el procesamiento de textos escritos, son tareas que han de ser realizadas por expertos en esos campos, pero si tenemos datos suficientes, mediante las técnicas de Machine Learning podemos emular ese proceso y automatizarlo.
El experto no es prescindible al usar la Inteligencia Artificial, sino que ahora tendrá tiempo para poder usar esas capacidades de experto en otras fases y niveles que sean más complejas, dejando las tareas más repetitivas y automáticas a un algoritmo.
Hoy en día trabajamos con todo tipo de datos, no solo datos bien estructurados, sino datos que pueden ser desde texto, audio, vídeo, etc., que pueden ser integrados y analizados para automatizar un proceso de negocio para aportarle valor.
Machine Learning para detectar temas, opinión y sentimiento
Marta Guerrero, Coordinadora del área de Social Business Analytics y Lingüista Computacional del IIC, habló sobre cómo emplear técnicas de Procesamiento del Lenguaje Natural para descubrir de qué se habla en un texto, cuáles son las palabras y entidades más representativas y cuáles son los sentimientos que predominan en él.
¿Cómo ayuda el Procesamiento del Lenguaje Natural a las empresas?
La tecnología de las herramientas de Procesamiento del Lenguaje Natural en la actualizad están preparadas para mejorar los procesos internos de las empresas. Las organizaciones aún se están iniciando en sus procesos de digitalización para comenzar a usar estas técnicas de Procesamiento del Lenguaje Natural.
Beneficios del Procesamiento del Lenguaje Natural a empresas
Los beneficios que aporta el Procesamiento del Lenguaje Natural son, por ejemplo, la facilitación de tareas. En la actualidad, en las empresas existen muchas tareas tediosas, repetitivas que se realizan de manera manual y que se podrían realizar con estas herramientas, y que las empresas aun no están aplicando.
La conciencia de la importancia de estas herramientas irá en aumento en un futuro, por lo que cada vez más estas serán aplicadas de manera habitual.
Machine Learning en los procesos de selección de personas
Daniel Morillo, analista de datos del IIC, ha hablado sobre cómo seleccionar candidatos con un algoritmo de clasificación automática, para aumentar de manera significativa la eficiencia de procesos de selección de personal.
¿Cómo ayudan los algoritmos en los procesos de selección?
La Ingeniería Algorítmica es esencial para la optimización de procesos de selección de personas, entre otras cosas, porque en los datos de los se dispone de los candidatos existe mucha información oculta y los algoritmos de Machine Learning aportan una variable muy importante.
El Machine Learning se utiliza en los procesos de selección de personas haciendo este proceso mucho más eficiente en muchas acciones como, por ejemplo, el tiempo empleado, y el poder hacer el proceso con una mayor tasa de éxito y eficiencia.