Disponible la versión 1.3 de LearningML

Desde hoy puedes disfrutar de la nueva versión (1.3) de LearningML. En esta versión se han añadido nuevas funcionalidades encaminadas a explorar los algoritmos de Machine Learning para entenderlos mejor, ya que hasta ahora eran una caja negra sobre la que el usuario no tenía ningún control.

Pero además se ha incorporado el reconocimiento de datos numéricos, es decir, de conjuntos de números organizados tabularmente (como en las hojas de cálculo). Esto permitirá crear modelos de Machine Learning a partir de conjuntos de datos (datasets) obtenidos mediante la lectura de experimentos con sensores, o a partir de datasets conocidos y disponibles de manera abierta en la red como pueden ser el iris dataset o el boston house dataset.

Puedes acceder a esta nueva versión desde el botón «Versión 1.3 (beta)» de la página principal, que enlaza con la siguiente url: https://beta.learningml.org/editor.

Las novedades introducidas en esta versión son las siguientes:

A nivel de código

  • Separación de la extracción de features y del algoritmo de ML.
  • Actualización de lml-editor a Angular 12.
  • Reorganización de los repos de lml-scratch para sincronizar con la rama develop de scratch.
  • Implementación de un protocolo de mensajes para solicitar servicios de ML desde lml-scratch a lml-editor (lml-message-protocol).
  • Simplificación del código de lml-scratch gracias al lml-message-protocol.

A nivel de funcionalidades

  • Modo avanzado
    • Selección de distintos algoritmos de Machine Learning. Por lo pronto se ofrecen los algorimo: KNN y red neuronal.
    • Ajuste de los parámetros de entrenamiento típico de cada algoritmo.
    • Definición (opcional) de un porcentaje de datos de entrenamiento para el cálculo de una matriz de confusión con la que evaluar la precisión del modelo construido.
    • Visualización de una matriz de confusión para evaluar el modelo construido.
    • Visualización del proceso de aprendizaje para la red neuronal.
  • Reconocimiento de conjuntos de datos numéricos.
    • Visualización de los límites de decisión del algoritmo para modelos numéricos bidimensionales.

Poco a poco iré añadiendo nuevas entradas y actividades prácticas para explicar con detalle estas nuevas funcionalidades que se han pensado para adquirir más intuición sobre el funcionamiento de los algoritmos de Machine Learning. Por lo pronto, puedes ver en el manual de LearningML como se usan, aunque en dicho manual no se realiza ninguna explicación pedagógica.

Es importante que tengas en cuenta que se trata de una versión beta, es decir, que aún puede presentar algún fallo que otro. De hecho, si encuentras algún error, te agradezco que me lo hagas saber enviando un mensaje mediante el formulario de contacto de esta web. Cuando esta versión esté suficientemente depurada, pasará a ser la versión estable y se comenzará a tabajar en la nueva beta.

¡Y eso es todo! Espero que disfrutéis de las nuevas funcionalidades de esta versión.

Deja un comentario