Machine learning for business

Machine
Learning Types
2 Unsupervised
learning
3 Reinforcement
learning
1 Supervised
learning
There are three main types of artificial learning:
2021 Data-Driven Futures. All rights reserved. @francastillo
Data strategies for new digital businesses
1

data-driven
futures
2

How it works
1. Un humano etiqueta el conjunto de datos de
entrenamiento y define la Variable objetivo.
2. El algoritmo es entrenado con un conjunto de
datos históricos. Durante este proceso, extrae
relaciones entre el input y el output (Variable
objetivo).
3. Cuando el algoritmo es lo suficientemente
preciso, podremos utilizarlo con un nuevo
conjunto de datos.
Business use cases
Linear Regression. Regresión.
Logistic Regression. Clasificación.
Decision Tree. Clasificación o Regresión.
Naive Bayes. Clasificación.
Support Vector Machine. Clasificación o Regresión.
Random Forest. Clasificación o Regresión.
AdaBoost. Clasificación o Regresión.
Gradient-boosting trees. Clasificación o Regresión.
What it is
El aprendizaje supervisado en un tipo de
algoritmo que nos permite explorar diferentes
tipos de problemas :
Problemas de clasificación binaria o multi
clasificación (Variable objetivo = categoría) y
Problemas de regresión (Variable objetivo =
numérico)
Supervised
learning
Target variable
3

Supervised
learning
4

Identify high-value customers.
5

Predicción de ventas.
6

Predicción churn clientes.
7

How it works
1. El algoritmo explora los datos de
entrenamiento sin la necesidad de identificar una
variable objetivo.
2. El algoritmo identificará grupos de datos con
patrones de comportamiento similares.
Business use cases
K-means clustering. Segment customers into group
to better design mk campaign or prevent churn.
Gaussian mixture model.
Hierarchical clustering.
Recommender system.
PCA o T-SNE
What it is
El aprendizaje no supervisado en un tipo de
algoritmo que nos permite explorar diferentes
tipos de problemas :
Problemas de clustering.
Perfilado.
Reducción de dimensionalidad.
Unsupervised
learning
Without target variable
8

Segment customers into groups
to better design mk campaigns or
prevent churn.
9

How it works
Cuando no disponemos de muchos datos de
entrenamiento y no podemos definir el estado
final ideal (variable objetivo), la única forma de
aprendizaje es la interacción con el entorno.
El algoritmo realiza una acción sobre el entorno y
recibe una determinada recompensa. El
algoritmo se optimizará a lo largo del tiempo para
maximizar las recompensas.
Business use cases
Optimize the driving behavior of self-driving cars
Optimize your trading strategy
Optimize pricing in real time for an e-commerce
What it is
Un algoritmo aprende a realizar una tarea
simplemente tratando de maximizar las
recompensas que recibe por sus acciones.
Aprendizaje durante el proceso prueba/error.
Reinforcement
learning
Algorithm
Environment
Action
Reward
10

Optimize dynamic pricing in real
time for an e-commerce.
11

Psychological targeting as an
effective approach to digital mass
persuasion.
12

2 Recurrent Neural
Networks
1 Convolutional
Neural Networks
Deep Learning
Types
There are three main types of deep learning
networks:
13

What it is
Es una red neuronal multicapa con una
arquitectura diseñada para extraer features de los
datos de entrada.
Utilizaremos redes convolucionales cuando
dispongamos de bases de datos no
estructuradas. Son ideales para el
procesamiento de imágenes y video.
La principal diferencia de la red neuronal
convolucional con el perceptrón multicapa viene
en que cada neurona no se une con todas y cada
una de las capas siguientes sino que solo con un
subgrupo de ellas (se especializa), con esto se
consigue reducir el número de neuronas
necesarias y la complejidad computacional
necesaria para su ejecución.
How it works
La red neuronal convolucional recibe, como
input, una imagen y es procesada como una
colección de pixeles (por ejemplo, letra L).
En las capas ocultas, se identificará las
características que permitirán, en este caso,
detectar las líneas que forma una letra L.
La red convolucional clasificará una letra
particular como L, si la red encuentra las
características previamente identificadas en el
proceso de entrenamiento.
Business use cases
Diagnose health diseases from medical scans
Understanding customer brand perception
through images
Convolutional
Neural networks
Input Output
Feature extraction & mapping
14

Diagnose health diseases from
medical scans.
16

How it works
Las redes neuronales recurrentes son muy
potentes para todo lo que tiene que ver con el
análisis secuencias, como puede ser el análisis
y procesamiento de lenguaje natural (de texto
y voz.)
Business use cases
Chatbots
Language translation
Sentiment analysis
What it is
Las redes neuronales recurrentes no tienen una
estructura de capas, sino que permiten
conexiones arbitrarias entre las neuronas,
incluso pudiendo crear ciclos, con esto se
consigue crear la temporalidad, permitiendo
que la red tenga memoria corta.
Recurrent
Neural networks
Hidden
Layer
Output
Layer
Input
Layer
17

Sentiment analysis.
18

Autocompletado en buscadores.
19

Chatbots & voice assistants.
20

When binary classifiers make predictions, there
are four possible outcomes:
True positives. When the model correctly predicts a positive
outcome.

True negatives. When the model correctly predicts a negative
outcome.

False positives. When the model incorrectly predicts a positive
outcome.
False negatives. When the model incorrectly predicts a negative
outcome.
21

When defining the
reward function, you’ll
be able to “weigh”
outcomes diﬀerently.
Weighing the cost of
false positives and false
negatives is a critical
decision that will shape
your users’ experiences.
22

In ML terms, you’ll need to make conscious trade-oﬀs
between the precision and recall of the system. That is, you
need to decide if it is more important to include all of the
right answers even if it means letting in more wrong ones
(optimizing for recall),
or minimizing the number of wrong answers at the cost of
leaving out some of the right ones (optimizing for precision).
For example, if you are searching Google Photos for
“playground”, you might see results like this:
Consider precision & recall tradeoﬀs

23

https://medium.com/google-design/human-centered-machine-learning-a770d10562cd
24

These results include a few scenes of children playing, but
not on a playground. In this case, recall is taking priority over
precision. It is more important to get all of the playground
photos and include a few that are similar but not exactly
right than it is to only include playground photos and
potentially exclude the photo you were looking for.
25

Machine learning for business

Más contenido relacionado

Similar a Machine learning for business (20)

Último (20)

Machine learning for business