El documento presenta una introducción a conceptos clave de inteligencia artificial como machine learning, deep learning y redes neuronales. Explica brevemente diferentes tipos de machine learning como clasificación, clustering y detección de anomalías. Luego profundiza en conceptos de deep learning como redes neuronales convolucionales y cómo se entrenan modelos de deep learning de manera iterativa usando métodos como backpropagation y gradient descent. Finalmente, menciona algunas herramientas de Microsoft como Azure Machine Learning y Cognitive Services para aplicar estos conceptos.

1. IoT / AI / BI /
HOLOLENS
AI: Machine Learning y
Deep Learning
Desmitificados
Ricardo Gonzalez Vargas - @rgonv
Microsoft Regional Director

2. IoT / AI / BI /
HOLOLENS
IoT / AI / BI /
HOLOLENS
Ricardo Gonzalez Vargas
Microsoft Regional Director
CEO - Androcial Media Inc / womyads.com
CTO – Zylo Blockchain
@rgonv – rgonv@hotmail.com
Ricardo Gonzalez Vargas
BlockchainMachine LearningCloud Architecture

3. IoT / AI / BI /
HOLOLENS
Agenda
Inteligencia Artificial
Machine Learning
Aproximaciones para utilizar AI
Que es ML y DL por dentro?
Que herramientas tengo para usarlos?

4. IoT / AI / BI /
HOLOLENS
AI vs ML vs RL vs DL
• AI : Dispositivos diseñados para
actuar de manera inteligente
• ML: Lograr que la maquina actúe
sin haberla programado
explícitamente para ello
• RL: Buscar automáticamente
características relevantes de la
información
• DL: encadena múltiples niveles
para representar jerarquías de
abstracción

5. IoT / AI / BI /
HOLOLENS
Machine Learning
• Encontrar (y explotar) patrones en los datos
• Reemplazar “humanos escribiendo código" por
“humanos suministrando datos"
• El Sistema se da cuenta de lo que quiere la
persona en base a ejemplos
• Necesidad de abstraer de ejemplos de
"entrenamiento" a ejemplos de "prueba"
• El aspecto más central en ML: generalización
• Comienza con una pregunta muy especifica

6. IoT / AI / BI /
HOLOLENS
Machine Learning
• Cuánto / cuántos
• A que clase pertenece esto?
• ¿Hay diferentes grupos? a que pertenece?
• Es esto raro? Atipico?
• ¿Qué opción debería elegir?

7. IoT / AI / BI /
HOLOLENS
Machine Learning
(regresión)
cuánto / cuántos
(clasificación)
A que clase pertenece esto?
(clustering)
¿Hay diferentes grupos? a que pertenece?
(detección de anomalías)
es esto raro?
(recomendación)
¿Qué opción debería elegir?

8. IoT / AI / BI /
HOLOLENS

9. IoT / AI / BI /
HOLOLENS
Opción 1 - Fácil

10. IoT / AI / BI /
HOLOLENS
Incluya en sus aplicaciones, sitios
web, bots, algoritmos inteligentes
para ver, escuchar, hablar entender
e interpretar las necesidades del
usuario a través de métodos
naturales de comunicación

11. IoT / AI / BI /
HOLOLENS

12. IoT / AI / BI /
HOLOLENS
IoT / AI / BI /
HOLOLENS
Demo
Cognitive Services
Ricardo Gonzalez
@rgonv

13. IoT / AI / BI /
HOLOLENS Opción 2 – fácil pero mas trabajo

14. IoT / AI / BI /
HOLOLENS
IoT / AI / BI /
HOLOLENS
Demo
Custom Cognitive Services
Ricardo Gonzalez
@rgonv

15. IoT / AI / BI /
HOLOLENS

16. IoT / AI / BI /
HOLOLENS
Opción 3- toca ensuciarnos

17. IoT / AI / BI /
HOLOLENS
Opción 3

18. IoT / AI / BI /
HOLOLENS
Productividad en inteligencia
Artificial para cada desarrollador y
cada escenario

19. IoT / AI / BI /
HOLOLENS
Plataforma de IA

20. IoT / AI / BI /
HOLOLENS
IoT / AI / BI /
HOLOLENS
Deep Learning

21. IoT / AI / BI /
HOLOLENS

22. IoT / AI / BI /
HOLOLENS

23. IoT / AI / BI /
HOLOLENS

24. IoT / AI / BI /
HOLOLENS

25. IoT / AI / BI /
HOLOLENS

26. IoT / AI / BI /
HOLOLENS

27. IoT / AI / BI /
HOLOLENS

28. IoT / AI / BI /
HOLOLENS

29. IoT / AI / BI /
HOLOLENS

30. IoT / AI / BI /
HOLOLENS
[142, 233, 120, 23, 57, 190, 85, 39, 135]

31. IoT / AI / BI /
HOLOLENS
[ 1, 1, 1, 0, 0, 0, 0, 0, 0]
[142, 233, 120, 23, 57, 190, 85, 39, 135]

32. IoT / AI / BI /
HOLOLENS
[5, 138, 19, 2, 227, 144, 35, 193, 168]

33. IoT / AI / BI /
HOLOLENS
[5, 138, 19, 2, 227, 144, 35, 193, 168]
[ 1, 1, 1, 0, 0, 0, -1, -1, -1]

34. IoT / AI / BI /
HOLOLENS
[ 1, 1, 1, 0, 0, 0, -1, -1, -1]
[142, 233, 120, 23, 57, 190, 85, 39, 135]

35. IoT / AI / BI /
HOLOLENS

36. IoT / AI / BI /
HOLOLENS

37. IoT / AI / BI /
HOLOLENS

38. IoT / AI / BI /
HOLOLENS

39. IoT / AI / BI /
HOLOLENS

40. IoT / AI / BI /
HOLOLENS

41. IoT / AI / BI /
HOLOLENS

42. IoT / AI / BI /
HOLOLENS

43. IoT / AI / BI /
HOLOLENS

44. IoT / AI / BI /
HOLOLENS

45. IoT / AI / BI /
HOLOLENS

46. IoT / AI / BI /
HOLOLENS

47. IoT / AI / BI /
HOLOLENS

48. IoT / AI / BI /
HOLOLENS

49. IoT / AI / BI /
HOLOLENS
Nuevos pesos W Pesos actuales W
Tasa de Aprendizaje
Derivada de la
function de
costo

50. IoT / AI / BI /
HOLOLENS
Gradiente de la
Funcion de costo
Nuevos pesos W Pesos actuales W
Tasa de Aprendizaje

51. IoT / AI / BI /
HOLOLENS
Entonces …
• x – Imágenes de entrada
• y – Respuesta de la clasificación
• Función del modelo
• Función de costo/Perdida – error
Cuadrado mínimo
• Método de optimización – gradiente
descendente

52. IoT / AI / BI /
HOLOLENS
Data Scientists Developers

53. CPUGPU
ML HW
DSPFPGA
High level API &
Framework Frontends
Hardware Vendor
Libraries & Devices
Interoperabilidad Transparente
ONNX.ai

54. IoT / AI / BI /
HOLOLENS Proceso General de utilizacion de IA
Data Sources Model Train with Cloud AI Deploy Consume
AC TION
INTELLIGENC EDATA
Azure Machine
Learning
WindowsML
Model: VGG-13
Code:
CNTK
Face Emotion Recognition
12 emotion labels
28,709 training images
3,589 test images
3,589 validation images
Visual Studio
Tools for AI
Manage Models
Azure
Deep Learning GPU VM

55. IoT / AI / BI /
HOLOLENS Proceso General de utilizacion de IA
Data Sources Model Train with Cloud AI Deploy Consume
AC TION
INTELLIGENC EDATA
Azure Machine
Learning
IoT Hub
WindowsML
IOT Edge
Model:
DenseNet-121
Code:
Keras +
TensorFlow
National Institute
of Health
Chest Xray Data
112,120 images
14 pathology labels
30,805 unique patients
Visual Studio
Tools for AI
Manage Models
Azure
Deep Learning GPU VM
VSTS +
CI/CD
CosmosDB +
Azure Functions
NuGet

56. IoT / AI / BI /
HOLOLENS
Servicios de AI en Azure
Pre-Built AI
Azure Cognitive Services
Conversational AI
Azure Bot Services
Custom AI
Azure Machine Learning

57. IoT / AI / BI /
HOLOLENS
Integradas con Azure Machine Learning
Crear facilmente modelos de deep learning
Escalar con Azure Batch AI
Generar codigo C# a partir de modelos TensorFlow & ONNX
Convertir modelos a ONNX
Monitorear el entrenamiento de modelos y la utilizacion de
& GPU
Visualizar el procesamiento de modelos con la integracion
de herramientas abiertas como TensorBoard
Iniciar facilmente con la galleria de ejemplos
VS Tools for AI
Herramientas productivas para el
desarrollo y entrenamiento de
modelos para enriquecer aplicaciones

58. IoT / AI / BI /
HOLOLENS
Los recursos estan disponibles
Learn more about
Cognitive Services
Azure ML
Visual Studio Tools for AI
Deep Learning VMs
Batch AI
ML.Net

59. IoT / AI / BI /
HOLOLENS
IoT / AI / BI /
HOLOLENS
Ricardo Gonzalez Vargas
Microsoft Regional Director
CEO - Androcial Media Inc / womyads.com
CTO – Zylo Blockchain
@rgonv – rgonv@hotmail.com
Ricardo Gonzalez Vargas
BlockchainMachine LearningCloud Architecture