Estrutura da rede neuronal que utilizaremos nesta práctica.
Nesta 2ª práctica de programación con Python, realizaremos o noso primeiro clasificador de imaxes cunha rede neuronal normal (máis adiante utilizaremos unha rede neuronal convolucional, máis adaptada a este tipo de problemas).
Para a realización desta práctica volveremos a acceder aGoogle Colabcunha conta de Google.
Podes seguir esta práctica paso a paso se descargas o seguinte pdf: Clasificador de imaxes.
Neste vídeo se indican os pasos para crear unha rede neuronal que nos permitirá clasificar imaxes, aínda que finalmente veremos que esta opción da resultados limitados e en futuras prácticas utilizaremos redes neuronais convolucionais, máis adaptadas a este tipo de problemas.
Como datos para adestramento e test do noso modelo, utilizaremos un conxunto de imaxes (70.000 de 28x28 píxeles en escala de grises) creado pola tenda de roupa Zalando.
Neste vídeo se indican os pasos para crear unha primeira rede neuronal sinxela (perceptrón) que resolva o problema de coñecer os graos Fahrenheit correspondentes a uns graos celsius, para posteriormente indicar como solucionalo cunha rede neuronal con maior número de capas e neuronas.
Finalmente veremos como este problema se pode solucionar dun xeito máis sinxelo e directo utilizando a ferramenta de regresión lineal da bliblioteca sklearn.
Imos a profundizar no coñecemento e uso da IA, para o cal necesitaremos comezar a programar en Python.
En futuras entradas utilizaremos os cadernos de Google Colab para solucionar diversos problemas de adestramento automático (Machine Learning) programando en linguaxe Python.
Pero antes, imos repasar brevemente cales son os paradigmas de aprendizaxe en adestramento automático, que é Google Colab e cales son as bibliotecas de funcións matemáticas máis utilizadas (Tensor Flow, Keras, etc).
Este contido o iremos traballando en diversos momentos deste curso e consistirá no análise de aplicativos que usan IA.
Realizaremos unha análise de diversas ferramentas web que utilizan IA.
Partiremos dunha primeira lista de aplicativos, dividíndoos segundo a tarefa principal que realizan. Nesta entrada e posteriores se mostrará un resumo dos datos principais obtidos de cada aplicación, xunto coa lista definitiva dos aplicativos analizados.
Nesta práctica imos a utilizar de novo a páxina de Learning ML (LML) para realizar un proxecto de recoñecemento de datos numéricos.
Pero esta vez, accederemos á opción “LearningML Advanced - v1.3” e veremos que aparece unha nova opción: Numeros (Recoñecer números), que será a que utilizaremos nesta práctica.
Como xa coñeces o entorno da práctica anterior, esta vez deberás crear tí so o modelo, adestralo e compobalo sen axuda do profesor.
Para a realización desta práctica, deberás seguir as instrucións recollidas no documento: Instrucións práctica 3 LML.pdf.
Cando envíes a tarefa na aula virtual recorda que os documentos recollan o teu nome.
Continuamos a traballar con modelos preentrenados, pero esta vez utilizaremos as habilidades de recoñecemento de imaxes.
Nesta práctica imos a utilizar outra páxina (aínda que similar á anterior), Learning ML (LML) para realizar un proxecto de recoñecemento de imaxes.
Unha vez na páxina inicial, accederemos á opción “LearningML Basic - v1.2” e veremos un entorno similar ao que xa utilizamos en Machine Learning for Kids, neste caso non teremos que rexistrarnos pero deberemos gardar o modelo no noso ordenador para podelo utilizar en distintas sesións.
Como imos a usar recoñecemento de imaxes, tal vez necesitemos ver o vídeo de Programamos (Sesión 3): ”¿Cómo perciben el mundo los ordenadores?” (desde 0" a 55” e desde 1’ 35” ata 3’ explica a codificación e interpretación de imaxes).
No vídeo anterior se fai referencia a 2 páxinas web, que permiten comprender máis profundamente como funciona a extracción de características nunha imaxe:
A demostración interactiva de DeepLizard (explica como se aplican filtros para detectar bordos en imaxes).
A ferramenta de Adam Harley (permite debuxar un número e comprobar se o sistema de intelixencia artificial o recoñece correctamente).
Tamén podedes ver o seguinte vídeo sobre a aplicación do sistemas de recoñecemento de imaxes para traducir a linguaxe de signos en tempo real:
Para rematar, tamén vos debería interesar coñecer que son as redes neuronais convolucionais (as que permiten traballar con imaxes), para isto podedes ver os seguintes vídeos da canle dot.csv:
Ao longo da 1ª avaliación realizamos unha introdución á IA que nos permitíu recoñecer a importancia do procesamento dos datos que se utilizan no adestramento das IA's mediante o adestramento automático (machine learning).
Tamén vimos que había 3 grandes tipos de aprendizaxe automática:
Supervisada.
Non supervisada.
Por reforzo.
Comezamos probando un modelo aportado por UX1A (contidos DIXIT).
E vimos que adestramento automático se basea no concepto de rede neuronal e neurona (realmente unha función matemática).
De seguido, comezamos a realizar o noso primeiro modelo na páxina de Machine Learning for Kids, o detector de sentimentos que finalmente incorporamos a un programa de Scratch.
Este detector de sentimentos utilizaba as habilidades dun modelo preentrenado baseado en procesamento de linguaxe natural (NLP).
Pero antes de continuar a probar máis posibilidades de utilizar modelos preentrenados, imos a repasar conceptos que xa vimos anteriormente, para o que podes acceder aos seguintes vídeos da canle de Dot.csv:
¿Qué es una Red Neuronal? Parte 1 : La Neurona | DotCSV
¿Qué es una Red Neuronal? Parte 2 : La Red | DotCSV
¿Qué es una Red Neuronal? Parte 3 : Backpropagation | DotCSV
¿Qué es una Red Neuronal? Parte 3.5 : Las Matemáticas de Backpropagation | DotCSV
Ademais podedes acceder a un par de páxinas que vos permitirán aprender como os diversos parámetros da rede neuronal (número de capas, número de neuronas por capa, funcións de activación, etc) afectan ao aprendizaxe supervisado.
Por último, poño aquí a ligazón a outro vídeo da canle Dot.csv na que explica o estado actual (principios de 2024) dos LLM (Inmensos modelos de linguaxe) como ChatGPT:
Lo que OpenAI NO quería que supieras sobre GPT4 - (De los MoEs a Mixtral)
Para a realización desta práctica imos acceder á aplicación en liña Machine Learning for Kids (MLfK).
Esta ferramenta vainos permitir adestrar unha IA e consta de 3 módulos:
• “Entrenar” (onde engadimos os exemplos de adestramento).
• “Aprender&Probar” (onde se adestra ao modelo).
• “Crea” (xera o código que poderemos exportar a Scratch ou Python).
Crearemos un “detector de sentimentos” que sexa capaz de determinar se estamos felices, tristes ou cansos en función dos nosos comentarios por escrito, posteriormente exportaremos o código e engadiremos esta función a un programa de Scratch creado por nós.
Desde esta entrada do blogue imos a acceder ao contido interactivo de DIXIT,Deep Learning. UX1A recoñece emocións, no que poderás interactuar cunha IA real adestrada con Deep Learning para que recoñeza as cinco emocións: alegría, sorpresa, tristura, enfado e medo.
O Axente intelixente conta cun conxunto amplo de tarxetas precargadas (emoticonas, pictogramas e ilustracións de UX1A) que se mostran de forma aleatoria ofrecendo unha experiencia única a cada persoa. Ademais, permite a experimentación libre realizando tantas probas como se desexe.
Se o teu ordenador conta con unha cámara web, tamén poderás probar se detecta as túas emocións.
