PROYECTOS DE INTELIGNCIA ARTIFICIAL
FICHA
Foto Título:            PROYECTOS DE INTELIGENCIA ARTIFICIAL
Autor:            Jaume Miralles Solé
Editorial:       Autoeditado
Idioma:         Español
Páginas:        239
Publicación:  2020
Lectura:         2021
COMENTARIO EDITORIAL
(Fuente: Descripción de producto en Amazon)

Mucho se ha escrito en los últimos años sobre inteligencia artificial: Qué es, para qué sirve, qué beneficios puede aportar a las muy diversas industrias, cómo va a afectar a la sociedad del futuro… También es fácil encontrar abundante literatura y artículos en la web sobre las muy diversas técnicas y algoritmos de machine learning y deep learning, junto a tutoriales y código de ejemplo que ayudan a entender e incluso a implementar interesantes experimentos. Sin embargo, muy poco se ha escrito – y mucho menos en lengua española – sobre el cómo se abordan los proyectos de inteligencia artificial en la empresa: cómo son estos proyectos IA, qué metodologías deben seguirse, qué recursos materiales son necesarios y dónde pueden obtenerse, así como qué perfiles profesionales son necesarios para poder abordar con éxito este tipo de proyectos que, siendo proyectos de software, tienen aspectos muy particulares por el hecho de tener que entrenar y operacionalizar modelos. Y es que ya no se trata sólo de programar una aplicación, ahora hay que entrenar un algoritmo con un conjunto de datos que representan una realidad concreta y, casi siempre, cambiante, o bien reutilizar los cada vez más abundantes recursos listos para utilizar que nos ofrece el nuevo mercado de las plataformas de inteligencia artificial en la nube y el aún más numeroso conjunto de recursos de código abierto disponibles de forma gratuita en internet.

Este libro pretende ser una guía para aquellos profesionales que, con un conocimiento conceptual básico sobre qué es la inteligencia artificial, el machine learning o el deep learning, tienen la inquietud o la necesidad de llevar a cabo con garantías de éxito proyectos de software que hagan uso de capacidades de inteligencia artificial empresarial. El libro busca proporcionar una comprensión holística del ciclo de vida de una capacidad de inteligencia artificial empresarial, desde su definición funcional, el análisis de las distintas opciones que ofrece el mercado para su implementación y las distintas prácticas y herramientas necesarias para acompañar el entrenamiento, validación y operacionalización de modelos en un entorno productivo empresarial.

El texto no entra en detalles técnicos sobre algoritmos o técnicas específicas de tratamiento de datos, pero sí que busca proporcionar una amplia guía de métodos y prácticas que, poco a poco, se van asentando como las mejores. El texto se acompaña de numerosos enlaces con información complementaria que permite al lector profundizar en aspectos relevantes que, por su extensión o especificidad quedan fuera del ámbito de esta obra.

COMENTARIO PERSONAL


'Proyectos de inteligencia artificial' ofrece una visión de la inteligencia artificial muy real y casi, casi, de uso común, porque refleja en el fondo el día a día en las empresas que implementan soluciones de inteligencia artificial, pero al tiempo una visión original porque, paradójicamente, está visión tan pegada a tierra, está muy poco presente en la abundante literatura especializada, y no tan especializada, que aborda el amplio campo de la inteligencia artificial. En concreto, este libro no se centra en la tecnología, fundamentos, casos de uso o implicaciones de la inteligencia artificial sino en la implementación real de capacidades y soluciones de inteligencia artificial en la empresa, es decir, en cómo llevar a cabo realmente iniciativas y proyectos de inteligencia artificial

El libro se estructura en diez capítulos, como sigue:
  • '1. Proyectos de Inteligencia Artificial': Comienza analizando el estado, barreras y retos para la adopción de la inteligencia artificial en la empresa. Luego aclara brevemente lo que es un proyecto de inteligencia artificial, destacando la importancia de operacionalizar los modelos de machine learning / deep learning. Y, finalmente, hace una distinción entre lo que son capacidades de Inteligencia Artificial y lo que son aplicaciones, explicando brevemente cada una de ellas así como los sistemas cognitivos.

  • '2. Estructura primaria de un proyecto IA': Hace primero una clasificación de los proyectos de inteligencia artificial en una matriz bidimensional, donde en una dimensión se muestra si hablamos de una capacidad o una aplicación y en la otra si el proyecto trata de hacer un desarrollo o un despliegue /operacionalización de un modelo. Luego comenta las principales actividades o fases en un proyecto de capacidades de IA. A continuación dedica un amplio espacio a hablar de los datos, abordando temas como el tipo, consistencia, etiquetado, sesgos etc. Y finaliza considerando los tipos de despliegue posibles (capacidad como módulo de una aplicación, capacidad como servicio web, capacidad batch y capacidad para datos en streaming).

  • '3. Enfoque metodológico': Primero explica algunos marcos metodológicos generales, como Design Thinking y Agile y alguno específico del campo de la Inteligencia Artificial como CRISP-DM. Y luego mira algo más hacia la operación, hablando de DevOps (de nuevo, un enfoque genérico) y cómo se traslada al campo del Machine Learning convirtiéndose en MLOps.

  • '4. Mejores prácticas': Desgrana una serie de buenas prácticas que incluyen la anticipación, la reutilización, la automatización mediante AutoML, las pruebas de regresión, el reentrenamiento de modelos, etc

  • '5. Recursos materiales': Un corto capítulo que, en realidad, sirve a modo de introducción a los capítulos siguientes que se centran en recursos.

  • '6. Infraestructura': Capítulo dedicado a la infraestructura hardware y software. Comienza identificando los atributos clave en la utilización de infraestructuras (localización, virtualización y mdelo de gestión). Luego afronta el almacenamiento y la computación y acaba revisando la oferta existente en materia de procesadores y sistemas.

  • '7. Frameworks y lenguajes de programación para IA': Habla primero de los lenguajes de programación ofreciendo algunas gráficas comparativas en cuanto a su mayor o menor utilización. Luego pasa revista a librerías usadas en machine learning revisando librerías para Python y R. A continuación visiita brevemente Spark y finaliza con una breve revisión de frameworks de deep learning.

  • '8. Herramientas': Realiza un amplio recorrido por diversas herramientas, empezando por las de modelado de datos, incluyendo el acceso a datasets públicos y siguiendo por herramientas para el despliegue y ejecución de modelos. Se explican las ideas principales y se mencionan herramientas concretas de mercado.

  • '9. Mercado de plataformas de IA en cloud (AIaaS)': Siguiendo con la orientación al mercado, en este capítulo se repasan las plataformas y servicios en la nube empezando primero por sus características generales y siguiendo por un breve recorrido por plataformas como Amazon Web Services ML Stack, Microsoft Azure AI Platform, Google Cloud AI Platform e IBM Watson Data & AI Platform

  • '10. Recursos humanos': Finaliza el libro con una mirada hacias las personas y recursos humanos. Se revisan ampliamente los perfiles específicos para proyectos de Inteligencia Artificial, se identifican algunas fuentes posibles de talento y se finaliza con una visión organizativa de la IA en la empresa.
'Proyectos de inteligencia artificial' es un libro realista, muy correcto, ilustrativo, útil y muy oportuno, porque contribuye a llenar llena un importante vacio de conocimiento en la literatura sobre inteligencia artificial: el de su implmentación real.