Ya eres partedelaevolución

SolidDay

#MachineLearning paraOrganizaciones

Jesus Ramos@xuxoramos

ramos.cardona@gmail.comlinkedin.com/in/xuxoramos

#sgnext

Y éste qué?- Ingeniero de Software de nacimiento (ITESM).- Econometrista Financiero por azar (Unottingham +

UWashington).- Estadístico Computacional por convicción (Coursera, a mucha

honra).- Consultado con 6 firmas (BMV, GBM, ConCredito, Movistar, etc)

para levantar sus capacidades analíticas.- Co fundador de @TheDataPub, comunidad dedicada a reventar

la burbuja y detener el tren del m*** del ML y del Pig Data.- Gamer los sábados (PSN: xuxoramos).- Foodie los domingos.

En qué ando?

Lo feo del#MachineLearning…

#MachineLearning BubbleMachineLearning

Montaña rusa sin freno…

$232mmdd

Gran Inversión

4%Stats/Maths/Prog

Poco skill Mala cultura

Governance:Datos rehenesde cabal de IT

…y sin cinturón!

El freno para esta montaña rusa…

Roadmap+Riesgos para la banda

SkillSi eres dev,

métele a stats+maths.Si eres de maths+stats,

métele a dev.

Biz IntimacyOlvídate de laHerramienta.Enfócate en el

lenguaje de negocio.

OperationalNo entregues reportes,

entrega APIs.

Sin contexto==

Hacer la preguntaequivocada

No hayescalamiento

Mala predicción + Alto sesgo

==Perder dinero/

lastimar personas

Etapa

Riesgo

Roadmap+Riesgos para orgs

Etapa

Riesgo

DWHTodos los datosen 1 solo lugar.

Gov’nanceTotal apertura ycon conexiones

SelfServ-BIQue gente de negociose sirva reportes sola.

Mayor sesgo +

sinobserver

effect

DataScience==

Reporteo/BICorrelación

==Causalidad

Lo básico para volver a acelerar…

#MachineLearning para todosSW Dev

Máquina(de estados, no la

compu)Datos

Función/Programa

Salida

Machine/Statistical Learning Supervisado

Máquina(de estados, no la

compu)Salida*Datos

Función/Programa**

Contexto

Contexto

* No Supervisado = Sin Salida, ** Reinforcement = Función regresa a datos

#MachineLearning para todosObjetivo 1: identificar patrones

Error Total

#MachineLearning para todosObjetivo 2: reducir el error de la función

Error de Predicción Error del Fenómeno(Varianza) Sesgo/Bias

Reducción: modelomás/menos complejo

Reducción: más datos+más variables.

Reducción:CONTEXTO!

#MachineLearning para todosVarianza vs Sesgo

#MachineLearning para todosVarianza vs Sesgo

#MachineLearning para todosTipos: Clasificación

#MachineLearning para todosTipos: Regresión

#MachineLearning para todosTipos: Clustering == Clasificación Sin Output

#MachineLearning para todosTipos: Dimensionality Redux/Feature Engineering

#MachineLearning para todosY cuál uso?

(Los que me den menos varianza y menos bias)

#MachineLearning para todosMetodología

DescribirQué me pareceinteresante demi dataset?

ExplorarQué researchquestion quieroHacerle a midataset?

InferirLa respuestapuedegeneralizarse?

PredecirLa respuestaaplica a nuevasobservaciones?

- Distribuciones- Media- Moda- Kurtosis

- Clustering- Kohonen- DBSCAN- MultidimScaling

- Hypo Test- GLM- ANOVA- MSE

- RandomForest

- Boosting- Bagging- DeepLearning

ML ML

Ya le quitamos el m*me al tren. Ahora...?

Aplicaciones!

B*n*m*x• Conversión de cliente de nómina a TC en

29%.• $2.7mmdp en revenue al año desde 2010.• Cómo lo hizo?• Clasificación!

f(edad, género, monto, antigüedad, …) = tiene TC

Predictores / variables independientes variable respuesta / dependiente

UPS• Ahorro de combustible haciendo que

camiones sólo den vuelta a la derecha.• Ahorro de $47mdd al año.• Cómo lo hicieron?• Diseño de experimentos!

Exploratorio -> Recolección de datos -> Hypothesis Testing -> GLMs -> Clasificación

T*lc*l• Identificación de usrs consumiendo $7K MXN

semanales de tiempo aire en prepago.• Creación de producto de crédito de tiempo

aire de hasta $2K.• $4mmdp al año de revenue.• Cómo lo hicieron?• Clustering!

Multidimensional Scaling + K-means/DBSCAN

Western Union• Prevención de fraude en remesas en

automático y personalizado.• $32mdd en ahorro operativo en 2012.

$21mdd son de transacciones detenidas al momento.• Cómo le hicieron?• Clasificación!• Similar a algoritmos de spam/ham.

Gr*p* *xp*ns**n• Bajar bounce rate y mantener al visitante en

sitios de las marcas del grupo.• Aumentar ad impressions.• Cómo lo están haciendo?• Recommender Systems!

Clasif 1 + Clasif 2 + … + Clasif N

Quémúsica prefiere?

Quécomidaprefiere?

Quépelisha visto?

Y las startups?

En la delantera!• Konfio, Kueski, Prestadero + ensemble

learning = credit scoring.• Piggo + multidimensional scaling + DBSCAN

= recomendación de inversiones.• Klustera + Filtros Kalman (un tipo de

regresión) = ubicación de gente en centros comerciales.• HolaGus + deep convolutional neural

networks = clasificación de texto.

Qué puede salir mal?

Todo!

#MachineLearning Flops• Google Flu Trends – Contexto = predicción

fallida de AH1N1 en Francia.• Google Image Classifier – Contexto = 2

afroamericanos taggeados como ‘gorilas’.• Walmart + Modelo complejo de alta varianza

= productos en mal estado vendidos a clientes.• Wall Street + Model simple de alto bias =

crisis hipotecaria de 2008• T*lc*l – Contexto = Préstamos a sospechosos.

Concluyendo…

Cómo le entro al ML?• Comienza por prepararte en mates y estadística. Leete

“Think Stats” de Allen Downey.• Acércate al depto de mates de tu universidad. Seguro

encuentras diplomados en mates.• MOOCs: “Data Science Specialization” de Coursera es la

opción.• Síguele con el de Andrew Ng de Stanford.• No te cases ni con Python ni con R. Usa ambos.• No te cases con ningún algoritmo. Primero pregunta “qué

quiero lograr?”• Context is KING!

¿Preguntas?

Grax!@xuxoramosramos.cardona@gmail.comlinkedin.com/in/xuxoramos