Primer mandamiento de machine learning: Empezar sin machine learning

 Usar machine learning en estos tiempos puede parecer como algo normal y, hasta cierto punto, "obligatorio" en los grandes algoritmos; pero, es todo lo contrario. Utilizar machine learning es realmente complicado: se necesita una cantidad de datos enorme, una estructura consolidada para procesar tanta información, personal capacitado para construir la tecnología y, sobre todo, un flujo de trabajo de alta calidad.

Por todo lo mencionado anteriormente, muchos expertos recomiendan que el lanzamiento inicial de un nuevo software o empresa sea sin implementar machine learning, ya que de primero es necesario recolectar la información suficiente para que la red neuoronal pueda entrenarse poco a poco y, así, tenga la capacidad de identificar patrones cada vez más complejos. Porque, es obvio, si me dan a resolver un problema muy complicado, ¿cómo se supone que lo resuelva?, ¿adivinando? ¡Un poco de contexto, por favor! Lo mismo pasa con el machine learning; nuestro algoritmo tiene que aprender a gatear, luego a caminar, después a correr y, por último, a resolver problemas humanamente imposibles por medio de código; todo es parte de un proceso, como ya te habrás dado cuenta.

Lo más recomendable al momento de querer implementar alguna tecnología de machine learning es resolver la tarea que se desea completar de forma manual o por medio de algún algoritmo más sencillo, esto permitirá que, como desarrolladores, tengamos más contacto con todo el entorno en el que nuestro futuro baby algoritmo trabajará; de este modo, podremos identificar cuáles son los puntos que se desean abordar con más prioridad y los posibles obstáculos que el algoritmo deberá solucionar. 

¿Entonces, qué, ¿me quedo sentado sin hacer nada?

No, no, no, para nada. Siempre hay cosas que se pueden hacer. Una de las sugerencias más recurrentes es tratar de aterrizar la complejidad del problema que queremos resolver ¿Cómo así? Bien, podemos utilizar gráficas REALISTAS que simulen el comportamiento de nuestro programa, por ejemplo, si yo quiero lanzar una tienda de ropa en la que quiero implementar machine learning para saber el comportamiento de mis clientes en mi plataforma para, luego, desarrollar una estrategia de marketing con un target específico y, así, tener mayores ganancias, podría tratar de pensar cuál será la evolución de mi tienda durante los próximos 6 meses respecto a la moda del momento y crear un algoritmo que se enfoque más en personas con un gusto por la moda muy estricto o que estén en un rango de edad de entre 18 a 30 años, esto me ayuda a tener más contexto sobre el mercado en el que me muevo y, a la vez, es un descubrimiento de aspectos que quiero que mi programa cubra cuando ya esté implementado. Como te expliqué, todo va poco a poco, es erróneo tratar de ir con todo nuestro arsenal a la guerra cuando ni conocemos cuáles son las armas con las que disponemos o, siquiera, al enemigo.

Y de esa forma es como te acabo de explicar el primer mandamiento del machine learning, ¡espero te haya servido! 

- Fredy con una d