Deep Learning at UPC with Oriol Vinyals & Joan Bruna

May 23rd, 2016|

Today we had a great event, the first seminar on Deep Learning organised by UPC, TelecomBCN, FIB, CFIS and BSC. Thanks Joan and Oriol, It has been impressive!  Enclosed you will find some pictures of his visit! Here you can download the slides of Joan Bruna and here the video of the talk. As soon as I receive the presentation of Oriol I will post the links here too. Huge audience! (photo Sebastià Xambó) (photo Joan Bruna) (photo GabrielOliveira) Two great speakers: (photo Sebastià Xambó) (photos Joan Capdevila) (photos Jordi Torres) Presenters: (photos Joan Capdevila) Meetings with UPC students:(photo Xavier Giro-i-Nieto) Marenostrum visit: (photo Jordi Torres) With (his) former Dean of the Faculty of Mathematics and Statistics (photo Sebastià Xambó)

¡Google ofrece más Machine Learning a los desarrolladores!

March 24th, 2016|

Google acaba de anunciar en su blog nuevas herramientas de Machine Learning para  desarrolladores disponibles como un servicio más en su plataforma Google Cloud  a través de APIs. En el blog se indica que es exactamente la misma tecnología que está detrás de productos como Google Now o Google Photos, permitiendo a los desarrolladores construirse potentes modelos Machine Learning usando TensorFlow, además de ofrecer modelos preentrenados a través de Google Translate API,  Cloud Vision API o Google Cloud Speech API. Si juntamos esto con su servicio Cloud Dataproc que permite la gestión de procesos tanto de Hadoop como de Spark,  realmente los desarrollador e investigadores tenemos ahora mismo una potente y completa plataforma de procesado Big Data. Si tienen dos minutos les recomiendo este video insertado en su blog, para hacerse una idea a través de un simple robot realizado con una Raspberry Pi :

Google launched TensorFlow Serving

February 18th, 2016|

Google launched TensorFlow Serving, that helps developers to take their TensorFlow machine learning models (and, even so, can be extended to serve other types of models) into production.  TensorFlow Serving is an open source serving system (written in C++) now available on GitHub under the Apache 2.0 license. What is the difference between TensorFlow and TensorFlow Serving?  While in TensorFlow is easier for the developers to build machine learning algorithms and train them for certain types of data inputs, TensorFlow Serving specializes in making these models usable in production environments.  The idea is that developers train their models using TensorFlow and then they use TensorFlow Serving’s APIs to react to input from a client. This allows developers to experiment with different models in a large scale that change over time based on real-world data, and maintain a [...]

Nuevo libro de TensorFlow

January 20th, 2016|

Se acaba de publicar el libro “HELLO WORLD EN TENSORFLOW para iniciarse en la programación del Deep Learning" (link al libro)  ya disponible a través del portal  Amazon.es (link) y próximamente también estará disponible en el de amazon.com.   También estará abierto y disponible su contenido en esta web  para ser consultado, a partir de su presentación el próximo lunes 1 de febrero (link a la presentación).   ¡Están todos invitados a la presentación! en la presentación habrá algunos ejemplares en papel para aquellos que estén interesados y una copa de cava al final para todos los que nos acompañen.   Además se ha programado una sesión práctica en el curso Big Data Analytics dentro del PRACE Advanced Training Centre el próximo dia 10/febrero (hace falta inscripción para la asistencia).        

Breve introducción práctica al Deep Learning con Tensorflow

December 8th, 2015|

ACTUALIDAD: Nuevo libro sobre TensorFlow con el título  “HELLO WORLD EN TENSORFLOW para iniciarse en la programación del Deep Learning”, estará disponible para consultar en esta web a partir de su presentación el próximo lunes 1 de febrero. ¡Están todos invitados a la presentación! Versión en papel ya disponible en el portal lulu.com (y próximamente en el de amazon.com) y algunos ejemplares se podrán adquirir en la presentación. NOTA: La información contenida en esta  recopilación de les 8 post sobre TensorFlow  se ha actualizado y ampliado completamente en este nuevo libro.  A continuación tienen la recopilación de los 8 posts en este blog en el que he presentado una breve introducción práctica al paquete para programar Deep Learning llamado TensorFlow para aportar mi granito de arena en construir un punto de encuentro entre los Data Scientist, Data Engineers [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 8 ( y última)

December 6th, 2015|

  Hoy, en esta octava entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera,  segunda , tercera, cuarta, quinta, sexta, séptima) finalizo con esta serie de posts. Hoy, para acabar, añadiré una breve reflexión sobre la necesidad que al lado de cualquier científico de datos (Data Scientist) se requiere un buen ingeniero de computadores (Computer Engineer) y otro ingeniero de datos (Data Enginyeer), en todo este proceso de extracción de valor del Big Data mediante analíticas avanzadas. 18. Frameworks Big Data Hasta aquí hemos hablado de las herramientas de analítica avanzada, poniendo un ejemplo de código en TensorFlow. Sin duda son herramientas fundamentales y la clave de la nueva era de computación que se avecina: Computación Cognitiva (o Cognitive Computing). Pero como ya hemos dejado claro, sin unos sistemas de computación de altas prestaciones que permitan [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 7

December 3rd, 2015|

  Hoy, en esta séptima entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega, cuarta entrega, quinta entrega, sexta entrega) vamos a presentar como puede implementar el modelo softmax en TensorFlow. Nuestro objetivo en esta entrega no es crear un modelo muy elaborado con un alto grado de acierto, sino uno simple que nos permita entender conceptualmente el uso de TensorFlow. 14- Implementación del modelo softmax en TensorFlow Después de esta visión rápida de la teoría estamos ya en disposición de ponernos a avanzar con la creación del modelo de detección de dígitos usando TensorFlow desde Python. Para ello lo primero es importar la librería: import tensorflow tf A partir de este momento podemos empezar a especificar como será nuestro modelo. En realidad Tensorflow nos permite en lenguaje Python describir las operaciones que queremos [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 6

November 27th, 2015|

  Hoy, en esta sexta entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega, cuarta entrega, quinta entrega) vamos a presentar un poco de teoría para poder entender cómo se construye un modelo que nos permita  reconocer las imágenes MNIST. La regresión softmax se realiza en dos pasos principales.  Primero calculamos "las evidencias" de que una determinada imagen pertenece a una clase en particular  y después  convertimos estas evidencias en probabilidades de que pertenezca a cada una de las 10 clases. 11- Evidencia de pertenencia Para medir la evidencia de que una determinada imagen pertenece a una clase en particular, una aproximación muy usada consiste en realizar una suma ponderada de las intensidades de los píxeles. El peso es negativo si ese píxel que tiene una alta intensidad es evidencia en contra [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 5

November 26th, 2015|

  Hoy, en esta quinta entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega, cuarta entrega) vamos una nociones mínimas sobre redes neuronales y introducir el modelo sencillo que vamos a usar en este tutorial. Recordemos un poco el propósito de este tutorial: ser capaces de comprender un ejemplo concreto y sencillo para learn by doing de manera gradual e incremental. 9- Mi primera red neuronal Como ya avanzamos al principio, en este tutorial  consideraremos como modelo una red neuronal (neural network) sencilla que dados unos valores de entrada  retorna una salida, en nuestro caso la clasificación de las imágenes de los dígitos. Como veremos esta red neuronal tiene otros parámetros, conocidos como pesos (weights) and sesgos (biases). Aprender un modelo de red neuronal conlleva el ajuste [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 4

November 25th, 2015|

  Hoy, en esta cuarta entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega) presentaremos en detalle uno de los datasets que presentamos en la tercera entrega y que usaremos en este primera parte del tutorial para crear nuestra primera red neuronal.   7- Dataset MNIST Una de las aplicaciones habituales de Deep Learning incluyen reconocimiento de patrones. Por ello, de la misma manera que cuando uno empieza a programar existe la tradición de empezar por un print "Hello World", en Deep Learning se crea un modelo de reconocimiento de números escritos a mano. Se usa habitualmente el conjunto de imágenes de dígitos hechos a mano contenidos en el dataset MNIST  comentado en la anterior entrega. Recordemos que cada imagen es del siguiente estilo: Además para cada imagen se incluye una [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 3

November 24th, 2015|

  Hoy, en esta tercera entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega, segunda entrega) presentaremos diferentes fuentes de datos para poder empezar a trabajar. 6- ¿Por donde empezar? Con los datos que presentábamos en la segunda entrega el lector se sentirá  abrumado por los cifras que aparecen , siendo probable que aun no tenga datos y se pregunte ¿que datos puedo usar para entrenar a mis redes neuronales si mi empresa aun no ha acumulado suficientes? Por suerte en la comunidad de machine learning, y en el caso que nos ocupa la de Deep Learning, dispone de un gran número de conjuntos de datos de acceso abierto para poder crear modelos a partir de ellos si no se dispone de datos propios para empezar. En el portal DeepLearning.net se puede encontrar una lista de conjuntos de [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 2

November 23rd, 2015|

  Hoy, en esta segunda entrega de la introducción práctica al Deep Learning con TensorFlow de Google ( primera entrega ) responderemos a la pregunta de ¿Por qué ahora, si las técnicas de Deep Learning son técnicas basadas en redes neuronales artificiales que ya aparecieron en la literatura científica hace muchísimos años? 3- Mucho tiempo entre nosotros, peró ... Sin duda las técnicas de Deep Learning hasta hace pocos años no han experimentado su gran auge, a pesar que son técnicas basadas en redes neuronales artificiales que ya aparecían en la literatura científica de los años 80 (por ejemplo con el  Neocognitron de Kunihiko Fukushima).  Como dato, mencionar que en 1990,  Yann LeCun  junto con otros investigadores, consiguieron aplicar el algoritmo estándar backpropagation  (algoritmo creado a mediados de los 70) a una deep red neuronal con varias capas con el propósito de reconocer los dígitos de los códigos postales del correo escritos [...]