Cómo no usar los modelos de aprendizaje automático
Durante mis clases de capacitación, después / durante la discusión sobre los modelos comunes de aprendizaje automático, generalmente menciono un tema y es el uso de información de estos modelos o la implementación de el modelo en el proceso de organización / negocio.
Por ejemplo, podemos obtener el modelo más preciso donde es muy bueno “predecir” qué clientes responderán a una campaña de marketing, pero si se usó un canal de marketing o un mensaje de marketing incorrecto, el modelo Todavía no podrá aportar suficiente valor al negocio. Por eso, en mis publicaciones anteriores, recomendé a los científicos de datos que comprendieran pensamiento estratégico y desarrollaran visión para los negocios .
Me encontré a mí mismo repitiendo este ejemplo varias veces durante mi entrenamiento, así que pensé Lo puse como una publicación de blog, con la esperanza de que más científicos de datos también sepan que es muy importante pensar cómo se utilizará el modelo.
Aprendizaje automático en la educación
En mi anterior En este rol, me he encontrado con numerosos proyectos propuestos al iniciar estudiantes de ciencia de datos. Una de las industrias “más atractivas” en la que deciden hacer ciencia de datos es la educación. Ahora, tengo un gran interés en la educación, ya que creía que es una excelente herramienta de movilidad social y siempre veo cómo se puede mejorar la educación para crear un impacto significativo y duradero en la vida de las personas. Por lo tanto, las presentaciones de proyectos sobre el uso del aprendizaje automático en la educación siempre despiertan mi interés.
Por lo tanto, uno de los proyectos estaba considerando el uso de modelos de aprendizaje automático para clasificar a los estudiantes que están en “riesgo de fracaso” versus “capaces de pasar el año”. Si me lo preguntas, no dudo que este sea el uso existente de los modelos de aprendizaje automático en la educación. Sin embargo, estaba muy interesado en cómo el equipo de presentación usará el modelo, así que hice la pregunta: “Entonces, ¿para qué usarán el modelo una vez que esté construido?”
La respuesta que regresó fue: “Nosotros “Usaremos el modelo para determinar quién está en riesgo de fallar el año y quién no. Una vez que hayamos hecho eso, enfocaremos nuestros recursos más en aquellos que no van a fallar, asegurarnos de que pasen con resultados significativamente buenos”. * Caída de la mandíbula *
El equipo, formado por estudiantes que son nuevos en la ciencia de datos, decidí que era una buena oportunidad para darles una lección sobre el uso de modelos. Así que continué: “Entonces, si el modelo es clasificado por el modelo como que está en riesgo, significa que él / ella se verá privado de cualquier recurso para tener éxito y obtener buenas calificaciones”
“¡Sí!” Respondió la respuesta. Así que continué, “¿Qué sucede si estoy usando el modelo y USTED está clasificado como en riesgo de fallar? ¿Crees que es justo para mí privarte de cualquier recurso de enseñanza / aprendizaje? “Silencio …
” Debe saber que al usar modelos de aprendizaje automático aquí, solo nos sirve la probabilidad de un resultado, no de un 100%. % de garantía. Si se “predice” que alguien está en riesgo, es solo porque las características actuales dentro del modelo nos lo dicen. La vida es más complicada ya que hay otros factores que pueden afectar un resultado, en este caso, la falla en los exámenes, además de los factores que se capturan dentro de los datos “.
Continuando,” Lo que podría haber propuesto fue con el mismo modelo construido. En primer lugar, podemos investigar cuáles son los factores que indicarán que los estudiantes están en riesgo y por qué es así. En segundo lugar, debemos tratar de diseñar un buen plan para ayudar a los estudiantes que corren el riesgo de fracasar, ya que ahora podemos identificarlos mejor. Esto mejorará la sociedad en general, produciendo miembros más productivos de la sociedad y ayudando a más estudiantes a salir de la trampa de la pobreza, tal vez “.
Uso del modelo de aprendizaje automático
Lo que podría notar es que con El mismo modelo, dependiendo de cómo se usó, podemos ayudar a más personas con él o discriminarlo. Creo firmemente que construir el modelo es solo una pequeña parte del proyecto de ciencia de datos, también es importante saber cómo usar el modelo de manera ética. Esta es la razón de los proyectos en los que tengo control sobre los criterios de calificación. Pondré una parte significativa de la puntuación en la estrategia y la implementación, no en la infraestructura de TI sino más bien en los procesos de negocios.
Espero que los lectores después de leer esto realmente pondrá más pensamientos sobre cómo usar sus modelos y empatizará su impacto en las personas o los clientes. Construir el “mejor” modelo de aprendizaje automático es solo una pequeña parte del panorama general de cómo obtener valor de nuestros datos.
Espero que el blog le haya sido útil. Le deseo a todos los lectores un divertido viaje de aprendizaje de Data Data y visito mis otras publicaciones del blog y . El perfil de LinkedIn .
Una reflexión sobre el uso de modelos de aprendizaje automático se publicó originalmente en Hacia la ciencia de datos en Medio, donde las personas continúan la conversación resaltando y respondiendo a esta historia.