Google Cloud AutoML Vision

As mentioned in the previous lesson, Texty used two different algorithms in the production of Leprosy of the Land. 

Después de que el primer algoritmo les permitió dividir secciones de imágenes satelitales de bosques ucranianos en subsecciones visualmente uniformes, necesitaban un segundo algoritmo que pudiera identificar qué secciones de imágenes satelitales se parecían más a los ejemplos de imágenes existentes de la extracción de ámbar. Lo que necesitaban era un "clasificador personalizado".

Un clasificador personalizado es un tipo de modelo de aprendizaje automático que puede implementar cuando su caso de uso requiere que aplique etiquetas predefinidas para clasificar un conjunto de datos de imágenes que desea investigar. 

En nuestro caso, esas etiquetas predefinidas son simples: "SÍ: esta imagen incluye elementos visuales consistentes con patrones que generalmente muestran actividad minera ámbar" y "NO: esta imagen no incluye elementos visuales que sugieran actividad minera ámbar".

Google Cloud AutoML Vision nos permite hacer precisamente eso. Aprenderemos a usarlo para realizar aprendizaje supervisado, es decir que entrenaremos un modelo de aprendizaje automático para aplicar las etiquetas SÍ y NO adecuadas a un conjunto de datos de imágenes que lo alimentarán.

Como dijo Jeremy Merrill de Quartz AI Studio en su Crash Course in Classifying Text with Machine Learning, "para sus propósitos como periodista, no importa mucho qué algoritmo elija, siempre que elija un algoritmo que haga el tipo de cosas correcto ".

AutoML Vision no es la única herramienta que podemos utilizar para lograr nuestro objetivo. En realidad, no es el algoritmo que Texty utilizó durante su investigación. La razón por la que usamos AutoML Vision en este curso es su accesibilidad: no es necesario tener habilidades de programación para aprender cómo funciona y entrenar un modelo de alto rendimiento con tus datos.

If you do have coding skills already and you want to dig deeper, have a look at fast.ai's Practical Deep Learning for Coders. 

Ahora está listo para usar AutoML Vision. En el resto del curso, aprenderemos cómo usarlo para lograr nuestro objetivo: entrenar un modelo de aprendizaje automático para reconocer la minería ilegal de ámbar. 

Este curso se ha producido con la colaboración de Texty y JournalismAI. Gracias a esta colaboración, podremos utilizar una muestra de las imágenes de satélite reales utilizadas por Texty mientras investigaba Leprosy of the Land.

Before we move forward, make sure to check the other AI and machine learning products offered by Google Cloud, including Natural Language, Translation, Speech-to-Text and Text-to-Speech, and much more.