[MÚSICA] Este curso aborda la clasificación,
que es una de las áreas más fundamentales y más ampliamente usadas
del aprendizaje automático. Si entiendes clasificadores, también entenderás básicamente el resto
del aprendizaje automático y las técnicas que usamos aquí es la que las personas de
la industria necesitan para ser exitosas. Se discute cómo el aprendizaje automático
trata sobre la entrada de datos que pueden ser tratados
con algún algoritmo de aprendizaje automático para dar salida a un tipo de 
información a partir de los datos En este curso,
construiremos clasificadores. Los clasificadores toman como entrada
algún X o alguna característica de los datos. Y como salida realiza una predicción
como  una clase discreta, o una categoría, 
 o una etiqueta para los datos. Y vamos a ver un montón de ejemplos
diferentes de cómo se usa en la práctica. El objetivo de un clasificador es aprender
un mapeo de la entrada X a la salida Y, esas clases. El ejemplo que discutimos en el primer curso
fue un clasificador de sentimientos, donde se daba un comentario X de entrada,
como "sin duda el mejor sushi de Seattle". Pusimos eso en 
el clasificador de sentimientos, el cual nos dio una salida Y. Que era, ya sea,
una oración positiva. O una oración negativa. Y podemos utilizar estas oraciones,
estas predicciones de muchas formas, como veremos adelante. Un clasificador general es sobre
tomar alguna entrada X, pasarla a través de un modelo,
el cual predice que Y debe ser, por ejemplo dos clases o múltiples clases
de, digamos, positivos o negativos, o como veremos, podrían ser tres,
cuatro o más categorías. Supongamos por ejemplo
que tengo una página web, y quiero averiguar
qué anuncios mostrar. Necesito averiguar de
qué se trata la página web. El objetivo es tomar el texto de la página
y categorizarlo automáticamente en cuanto si es un sitio educacional
y anuncios tipo educacionales. Si es un sitio sobre finanzas o
un artículo sobre finanzas, y necesitamos ese tipo de anuncio. O uno sobre tecnología, etcétera. Por lo que una clasificación no es sólo
binaria, positiva o negativa, sino que puede ser una de múltiples categorías,
o múltiples clases. Quizás el clasificador más común
que vemos todos los dias, cada vez que abrimos nuestro
e-mail es el famoso filtro de spam. El filtro de spam toma un correo
cada vez que llega uno, y predice si éste es un correo basura,
debe ser ignorado, o no lo es. Y esa predicción necesita estar basada
no solo en el texto del correo sino también en otra información
que obtendremos del correo, como el remitente, la dirección IP
del mensaje enviado, otros mensajes enviados por el remitente, etc.
Y de esa información aprenderemos el mapeo de esas entradas
si se trata de correo basura, o no. Estos filtros de spam se volvieron
mucho mejores en los últimos años. Recuerdo que en los comienzos
solo usábamos la búsqueda por palabra clave. o clasificadores de palabra clave,
y no eran tan buenos. Pero hoy, no compruebo más
mi carpeta de spam. Así que si me envías un correo y no lo abro, 
tal vez está en mi carpeta de spam. Disculpen. Sin embargo, podemos construir todo tipo
de clasificadores. Podemos utilizar, por ejemplo, datos de imagen. Así que dado esta entrada en particular,
mi perro, los píxeles de la imagen. Quiero hacer una predicción
a partir  de una determinada categoría. Desde este famoso conjunto de datos de image net donde hay miles de categorías diferentes
de la que puedes predecir. Por ejemplo, si quieres saber si se trata de un labrador,
un golden retriever, etc. Qué tipo de perro es.
Esa es la etiqueta de salida 'y' que queremos. Ahora, la idea de clasificadores
puede ser sumamente útil para un amplio rango de dominios. Una que me emociona particularmente,
es el área de medicina personalizada, la cual creo que cambiará al mundo. Así que, si hoy no me siento bien, podría
ponerme el termómetro bajo el brazo y revisar mi temperatura, 
o un médico podría ordenar una radiografía para ver lo que ocurre en mi
pecho, o tal vez use unos análisis clínicos. Y en base a esa información, 
pase a través de algún criterio, el cual tal vez está en la cabeza del médico
o tal vez es un sistema automático que trata de hacer una predicción sobre
qué enfermedad podría tener. Pero lo fastidioso de
la medicina de hoy en día es que basándose en las mismas condiciones,
hacemos las mismas predicciones para mi o para ti independientemente del hecho
que en realidad somos personas diferentes. La medicina personalizada pretende
cambiar eso totalmente. Así que va a mirar nuestras secuencias de ADN
porque somos genéticamente diferentes y encontrará un buen tratamiento
para cada uno de nosotros. Y tal vez incluso mire nuestro estilo de vida,
el cual podría decir a qué soy propenso. Tal vez ese sea tu estilo de vida,
el mío es más como este. Y así, en base a este tipo de información,
podríamos predecir qué enfermedad tengo y qué tratamiento va a ser el más eficaz para mí. Y ese es un ejemplo de clasificación 
en el mundo real. Quizás uno de los más divertidos
y sorprendentes ejemplos de clasificación es un trabajo que hizo uno de mis colegas,
Tom Mitchell, el cual es bastante asombroso. Se toma una imagen de tu cerebro
mientras miras una palabra, y basándose en esa imagen,
llamada IRMf, puede realizar una predicción sobre
qué tipo de palabra se está leyendo. Así, por ejemplo, basado en la imagen de tu cerebro,
se puede predecir si estás leyendo digamos, la palabra martillo o la palabra casa. Lo que es básicamente leer tu mente. He hablado con Tom mucho tiempo
sobre este tema. Más de 10, 15 años. Y durante ese tiempo, 
los resultados conceptuales que tuvieron, evolucionaron a partir de cosas muy básicas. Cosas tan sorprendentes. Por ejemplo hoy, pueden entrenar un clasificador basado en
tus imágenes cerebrales con las palabras que leíste, y luego usarlo para predecir algo de mis 
imágenes cerebrales basándose en fotos que yo veo. La imagen de un martillo
es en realidad la palabra martillo. Y esa es una increíble
clase de evolución, un increíble tipo de análisis que se puede hacer
a partir de los datos cerebrales. Realmente un ejemplo de clasificación
muy bueno. Leer la mente. [MÚSICA]