Eric es el Director de Liderazgo de Pensamiento en el Instituto de Pronósticos Empresariales (IBF), cargo que asumió después de liderar las funciones de planificación en Escalade Sports, Tempur Sealy y Berry Plastics. En 2016, recibió el premio IBF Excellence in Business Forecasting & Planning. Eric es el autor de 'Análisis predictivo para la previsión empresarial'. Es un Pronosticador Profesional Certificado Avanzado de la FIB (ACPF).
Recientemente hablé con Mariya Sha, gurú de Python y estrella del canal de YouTube Python Simplified . Le pregunté cómo los pronosticadores y los planificadores de demanda pueden comenzar con el lenguaje de programación Python y aprovecharlo para el aprendizaje automático. Obtuve algunas ideas fantásticas que deberían inspirar a todos los meteorólogos a dar el salto. Las siguientes son sus respuestas.
¿Cuál es la mejor manera de aprender Python?
“La mejor manera de comenzar es realizar un breve curso introductorio sobre Udacity, Udemy o Coursera para aprender los comandos básicos. Siempre que tenga una comprensión básica de las funciones, bucles for, operaciones de flujo de control, etc., tendrá los fundamentos necesarios para usar el lenguaje para sus necesidades específicas, ya sean matemáticas, aprendizaje automático o lo que sea que necesite hacer”.
¿La experiencia en Excel ayuda con el aprendizaje de Python?
“Las habilidades en Excel como VBA (Virtual Basic for Applications) se traducen directamente en Pandas, que es una biblioteca de ciencia de datos que se usa ampliamente en Python. Creo que muchas de las cosas que encuentras en otros idiomas se pueden aplicar en Python. La diferencia es que Python es de muy alto nivel; no necesita pensar en los pequeños detalles, todos los tipos de datos. Python se encarga de eso, a diferencia de otros lenguajes como C++, que requiere programar cada pequeño detalle. En comparación, Python es muy simple.
Python va al grano: le permite hacerlo y hacerlo rápido. Si las personas intentan crear una aplicación simple en Python, verán la diferencia. ¡Solo inténtalo!"
Consejos al comenzar con Python
“Comience con los tipos de datos. Estos son los componentes básicos de su aplicación. Siempre necesita saber qué tipos de datos usar porque tienen diferentes métodos. Las cadenas tienen métodos diferentes a los números enteros y de coma flotante, por ejemplo. Cada tipo de datos diferente le permite realizar diferentes operaciones. Necesita saber qué operaciones puede hacer con cada tipo de datos.
Cuando se sienta cómodo con eso, puede pasar a las operaciones de flujo de control, como declaraciones condicionales, funciones, y una vez que se sienta cómodo con eso, puede pasar a clases y programación orientada a objetos. En realidad, todo es un objeto en Python, eso es parte de por qué este lenguaje es tan brillante.
Cuando se sienta cómodo con la programación orientada a objetos, puede extender sus alas y entrar en lo que le interesa. Si está interesado en el aprendizaje automático, debe comenzar a buscar marcos y bibliotecas de aprendizaje automático, si si te gusta la ciencia de datos, te sumergirás en Pandas”.
¿Qué son los objetos en Python?
“Si está creando un molino de viento, por ejemplo, tendrá una altura, un ancho, una velocidad, un color, etc. Estos son los datos sobre el molino de viento. También tendrá funciones como 'girar' y 'detener'. Los datos y las funciones se combinan en un objeto, que en este caso es un molino de viento”.
¿Qué es la biblioteca de Python?
“Una biblioteca son bloques de código listos que alguien más hizo y que puedes usar por ti mismo. Tomemos, por ejemplo, una función SoftMax que es un algoritmo que usamos en ML. En lugar de escribir la fórmula completa, escribe SoftMax y listo. Básicamente utiliza parámetros simplificados en lugar de escribir código. Cada biblioteca tiene una documentación increíble, con mucho soporte y foros donde puedes hacer preguntas. Si tienes un problema, alguien te ayudará.
Las bibliotecas más importantes son NumPy (para matemáticas), Pandas (para ciencia de datos) y Matplotlib (para trazar gráficos y tablas). Estas son 3 bibliotecas principales que todos usamos. Si te gusta ML/AI, probablemente elijas PyTorch y TensorFlow”.
Uso de Python para el aprendizaje automático
“Python es un lenguaje muy minimalista. Sólo especificas las cosas más básicas. Con la IA, es casi lo contrario, donde todo consiste en fórmulas largas, no matemáticas complicadas, pero hay muchas y son secuenciales. Python le brinda la sintaxis más fácil para ML. Procesos como el descenso radiante se pueden resumir en un solo comando.
La inferencia, por ejemplo, suena muy complicada al predecir y cargar una red neuronal previamente entrenada y exponerla a una imagen que nunca antes se había visto. Todo parece muy complicado pero con 30 minutos puedes hacer todo esto.
Si alguien te lo explica en un lenguaje sencillo, creo que todo el mundo puede entenderlo. No es tan intimidante cuando entiendes lo simple que es. Creo que la gente tiene miedo de ML porque leen estos artículos de estilo académico y asumen que no son lo suficientemente inteligentes como para hacerlo. Al final del día, es matemática muy simple. A diferencia de otros lenguajes como C++, Python se encarga de los detalles y te permite hacer ML en un lenguaje sencillo”.
pensamientos de despedida
“No hay reglas cuando se trata de usar Python. No escuche lo que la gente dice que es la forma correcta de hacer las cosas, simplemente limita su imaginación. La mejor manera de hacerlo es prueba y error. Trate de ser creativo, es la mejor manera de aprender”.
Fuente: demand-planning | somoslibres
