¿Qué es una interfaz de programación de aplicaciones (API)?
API son las siglas de Application Programming Interface (interfaz de programación de aplicaciones) y se refiere a una interfaz de programación que permite a los Comunicación entre distintas aplicaciones permite. Los programas externos pueden acceder a determinados componentes de un software a través de una API y transferir datos.
A diferencia de lo que ocurre con una interfaz binaria, la conexión del programa tiene lugar a nivel de código fuente tiene lugar. Las operaciones se realizan mediante comandos estándar, de modo que se garantiza la compatibilidad con distintos lenguajes de programación. Entre otras cosas, una API puede basarse en Bases de datosdiscos duros, tarjetas gráficas e interfaces de usuario.
La ventaja de una interfaz de programación es la Fácil integración de nuevos componentes de aplicación en un sistema existente. Además, las API suelen documentarse detalladamente con sus parámetros asociados.
¿Cómo funciona una API?
Las interfaces de programación (API) las utilizan sobre todo los desarrolladores para que sus programas puedan acoplarse a otros. Una interfaz de programación especifica cómo pueden recibirse y enviarse los datos. Los comandos y tipos de datos que acepta una API se definen en protocolos. Los componentes correspondientes los utilizan para una comunicación uniforme.
Se hace una distinción básica entre API internas/privadas y API externas/abiertas. Las interfaces de programación privadas sólo pueden ser utilizadas por los programadores de una organización. Esto optimiza el trabajo en los procesos internos de la empresa. Además, están protegidas del acceso no autorizado por determinadas medidas de seguridad. Las API externas están a disposición del público en directorios para su integración en otros sistemas. Sin embargo, a veces el uso de una API está restringido o sujeto a pago.
Ámbitos de aplicación de las interfaces de programación
Las API pueden utilizarse para conectar una amplia gama de procesos:
Previsión meteorológica
Los datos meteorológicos globales de una amplia gama de fuentes internacionales se recuperan a través de interfaces de programación y pueden mostrarse al usuario mediante una aplicación en el smartphone.
Reserva de citas
Los proveedores de servicios pueden utilizar API para que sus clientes hagan reservas en portales en línea o busquen servicios específicos. Puede tratarse, por ejemplo, de información sobre citas en consultas médicas o la comparación de precios de vuelos. El sitio web se conecta a las interfaces de programación de los respectivos proveedores de servicios y genera un resumen con las opciones más adecuadas.
Comercio electrónico
Los minoristas utilizan API para controlar el inventario de sus productos y ofrecer a los clientes información sobre su disponibilidad.
¿Cuál es la diferencia entre API y REST API?
REST es la abreviatura de Transferencia de Estado Representacional y se refiere a una arquitectura de softwareque se rige por los principios y el comportamiento de la World Wide Web. A REST API es una forma específica de APIutilizada para la transferencia de datos en sistemas distribuidos. En comparación con una API general, la arquitectura REST presenta las siguientes características seis principios de diseñoque deben respetar los promotores:
Interfaz de programación uniforme
Los recursos son accesibles a través de un Identificador Uniforme de Recursos (URI) específico. A través de la misma URI pueden realizarse distintas operaciones mediante métodos HTTP. Los formatos adecuados para los recursos son, por ejemplo, JSON, XML o texto.
Independencia del cliente y el servidor
Las aplicaciones cliente y servidor deben estar desacopladas entre sí. El cliente no debe necesitar más que el URI del recurso correspondiente.
Caché
Para aumentar la escalabilidad del servidor y mejorar el rendimiento del cliente, se pueden almacenar recursos en la caché.
Apátridas
Las APIs Rest no requieren información sobre las sesiones. Si el servidor requiere datos sobre la sesión del cliente, estos se envían a través de una solicitud independiente.
Arquitectura del sistema multicapa
Entre el cliente y el servidor puede haber varias aplicaciones que se comunican entre sí. El cliente no puede ver a través de cuántos servidores se ha transmitido la respuesta.
Código a la carta (opcional)
En la mayoría de los casos, los recursos estáticos se transfieren a través de API REST. A veces, sin embargo, también puede tratarse de código ejecutable, como applets de Java. Esto sólo debe ejecutarse bajo demanda.
¿Qué es AutoML (aprendizaje automático de máquinas)?
"AutoML" es la abreviatura de "Automated Machine Learning" (aprendizaje automático de máquinas). AutoML es un nuevo avance en la evolución del Aprendizaje automático (ML). El objetivo de AutoML es proporcionar pasos iterativos en la Desarrollo de modelos ML automatizar para crear eficazmente un modelo optimizado.
Cómo funcionan las soluciones AutoML
El grado de dificultad de la automatización entre los pasos individuales varía, con los pasos de selección del modelo y la Hiperparámetro-optimización se prestan a la automatización por su independencia de los casos de uso. Por lo tanto, la automatización de estos dos pasos es lo que comúnmente se entiende por AutoML. Idealmente, la entrada sólo incluye un conjunto de datos limpios, una métrica de error y el tiempo máximo para encontrar el mejor algoritmo de optimización. Modelo. El resultado es una lista clasificada de los modelos sintonizados, ordenados por la métrica de error.
Las soluciones AutoML se aplican a grandes rasgos en tres categorías principales: paquetes de código independientes, Servicios en la nube y especializados Ciencia de datos-plataformas.
Ventajas y beneficios
En general, el uso de soluciones AutoML aumenta la productividad de los científicos de datos y reduce la complejidad del desarrollo de modelos de ML mediante la automatización de tareas mecánicas. En concreto, esto significa que:
se dedica menos tiempo a tareas repetitivas como la selección de modelos y el ajuste de hiperparámetros, lo que deja más tiempo para centrarse en el problema empresarial, recopilar y preprocesar datos útiles y comunicar el enfoque y los resultados a las partes interesadas.
se proporciona una base sólida para una prueba de concepto, que puede perfeccionarse en fases posteriores.
Si está interesado en un examen crítico de AutoML, eche un vistazo a nuestras lecturas complementarias Artículo de blog sobre. Stefan Lautenbacher (Senior Data Scientist) utiliza un flujo de trabajo estilizado de un proyecto de ML para discutir hasta qué punto AutoML puede cubrir la necesidad de científicos de datos humanos.
La analítica aumentada describe una tecnología con la que Análisis de datos en el entorno empresarial y el llamado Inteligencia empresarial utilizando componentes del aprendizaje automático y el procesamiento del lenguaje natural (Procesamiento del lenguaje natural - PLN). La inteligencia empresarial se refiere a los procesos de recopilación, evaluación y visualización de datos en el contexto de una empresa.
El objetivo de estos "análisis ampliados" es ayudar a la Realización y preparación de análisis de datos y perspectivasque posteriormente servirán de base para la toma de decisiones.
Proceso y beneficio
En el mundo empresarial actual, generar información y datos en bruto no es un reto importante. Un camino crítico en el contexto de Grandes datos Sin embargo Análisis de datosLos datos recogidos de antemano deben procesarse e interpretarse de manera que puedan servir en última instancia de base para la toma de decisiones.
Aquí es exactamente donde entra en juego la analítica aumentada, aunque la generación de datos también puede incluirse en este concepto. El sitio Valor añadido resulta del hecho de que, por regla general, se puede reducir tanto el trabajo manual como el tiempo necesario para el análisis de datos, ya que las máquinas son capaces de buscar sistemática y rápidamente entre grandes cantidades de datos. En combinación con los métodos de aprendizaje automático, surgen oportunidades para desarrollar algoritmos capaces de.., Identificar tendencias, así como dependencias y patrones, o realizar previsiones utilizando modelos predictivos.. En ocasiones, estos algoritmos pueden optimizarse a sí mismos, lo que también puede traducirse en una mejora de la calidad de los resultados a lo largo del tiempo.
Aunque la generación de datos no es el elemento central del método, la recogida de datos también puede integrarse en la tecnología y, además, pueden generarse beneficios separando la información útil de la inutilizable en los datos brutos durante la limpieza o el tratamiento de los datos.
Al aplicar el procesamiento del lenguaje natural en la analítica aumentada, esto sirve de Interfaz de comunicación. Por un lado, se utiliza para interpretar correctamente las preguntas para llevar a cabo análisis de datos; por otro, esta tecnología también se utiliza para preparar o comunicar los resultados una vez realizado el análisis. Esto sienta las bases para apoyar las decisiones en el entorno empresarial, que es la principal ventaja de la analítica aumentada.
Aplicaciones analíticas aumentadas
Muchas empresas ofrecen soluciones de software que aprovechan las competencias de la analítica aumentada y el big data. Además de, por ejemplo, SAP Analytics Cloud, Oracle Analytics Cloud, IBM Cognos Analytics o Power BI de Microsoft, las empresas Tableau y SAS con SAS Visual Analytics también ofrecen soluciones en este ámbito. La tecnología se utiliza en las siguientes áreas de negocio:
SanidadLas empresas utilizan la analítica aumentada para optimizar sus operaciones y analizar la duración de la estancia y los índices de ocupación de camas. Además, se pueden hacer previsiones de readmisiones de pacientes recién dados de alta y contrarrestarlas en consecuencia.
Finanzas y bancaEn este sector, la analítica aumentada se utiliza para mejorar los servicios ofrecidos a los clientes y promover el crecimiento del negocio. Esto permite evaluar prioritariamente los datos sobre tendencias y costes de captación de clientes, que posteriormente pueden desarrollarse en servicios específicos ofrecidos a distintos grupos de clientes. Además, es posible identificar anomalías en las transacciones y, en el mejor de los casos, depurarlas de antemano.
Fabricación y venta al por menorLa tecnología: al igual que en la banca, la tecnología también se utiliza en el comercio minorista para analizar las tendencias de los clientes y el uso eficiente de los materiales publicitarios. En la producción, se utiliza para planificar la capacidad y optimizar los procesos y la cadena de suministro, entre otras cosas.
AerolíneasLas aerolíneas también utilizan los macrodatos para aumentar la satisfacción del cliente. Además, se utilizan para prever las fluctuaciones de la demanda, a las que se puede responder con los correspondientes cambios de capacidad.
TelecomunicacionesEn el sector de las telecomunicaciones, pueden analizarse los datos sobre las tendencias del comportamiento telefónico y el uso de Internet. A partir de ahí, pueden optimizarse tanto los servicios para los clientes como, por ejemplo, las capacidades propias de ancho de banda.
AlphaFold es un Inteligencia artificialque es capaz de predecir la estructura tridimensional de una proteína utilizando únicamente su secuencia de aminoácidos. En 2020, AlphaFold2 ha alcanzado la precisión de los métodos experimentales, resolviendo un problema de 50 años de antigüedad en biología: el problema del plegamiento de las proteínas.
2018 marca el primer éxito del equipo: AlphaFold consigue el primer puesto en la 13ª competición CASP.
En CASP; Evaluación crítica de las técnicas de predicción de estructuras proteicas (en alemán: kritische Bewertung von Techniken zur Vorhersage von Proteinstrukturen) es una asociación de científicos que investigan el problema del plegamiento de proteínas desde 1994. Cada dos años se celebra un concurso en el que los equipos de investigación reciben una selección de secuencias de aminoácidos para proteínas. Su forma tridimensional exacta ya se conoce, pero no está a disposición del público. Los equipos dan sus mejores predicciones para ver lo cerca que están de las estructuras reales.
En Los excelentes resultados de AlphaFold en este concurso se publican en la revista Nature y el equipo de DeepMind sigue creciendo. En 2020, se produce el gran avance: AlphaFold2 gana el 14º concurso CASP por un amplio margen y es reconocido por los organizadores del CASP como la solución al "problema del plegamiento de proteínas", que tiene 50 años. AlphaFold2 puede predecir estructuras proteicas con precisión atómica y un error medio (RMSD_95) inferior a 1 angstrom, lo que lo hace tres veces más preciso que el siguiente mejor sistema y comparable a los métodos experimentales. Entre los expertos, la solución del problema del plegamiento de proteínas se considera uno de los logros más importantes desde la cartografía del genoma humano.
¿Cómo funciona AlphaFold?
En principio, AlphaFold utiliza Redes neuronales que a través de Aprendizaje profundo recibir formación. Tras los muy buenos resultados obtenidos con el CASP13, el programa se sigue desarrollando. Sus métodos y código se publican en la revista científica Nature. El resultado es Aplicaciones de código abierto de la comunidad. La propia DeepMind ha añadido nuevas arquitecturas de aprendizaje profundo y ha seguido desarrollando los métodos.
Para estos métodos son cruciales los campos de la biología, especialmente en el ámbito del plegamiento de proteínas, así como la física y el aprendizaje automático.
Para entender las interacciones físicas dentro de las proteínas, es importante comprender cómo se construye una proteína plegada. Puede verse como un "grafo espacial" en el que los residuos son los nodos y los bordes conectan los residuos próximos. En el caso de AlphaFold2, ganador del CASP14, se utiliza un sistema de red neuronal basado en la atención. Con él, intenta interpretar continuamente la estructura de la proteína mientras piensa en el diagrama que está ensamblando. Para mejorar este diagrama se utilizan la alineación de secuencias múltiples (MSA) y una representación de pares de residuos de aminoácidos.
Repitiendo constantemente este proceso, AlphaFold2 consigue predicciones sólidas de la estructura de las proteínas. Utilizando su propia medida de confianza, AlphaFold2 también es capaz de determinar qué partes de su estructura proteica predicha pueden clasificarse como fiables.
Base de datos de estructuras proteicas AlphaFold
En estrecha colaboración con la Instituto Europeo de Bioinformática del Laboratorio Europeo de Biología Molecular (EMBL-EBI) DeepMind 2021 lanza el Base de datos de estructuras proteicas AlphaFold. Así, el Acceso libre y gratuito de la comunidad científica al proteoma humano (la totalidad de todas las proteínas del cuerpo humano) junto con otros 20 organismos modelo, incluidos los ratones. La base de datos comprende así un total de más de 350.000 estructuras. A principios de 2022, DeepMind añadirá otros 27 proteomas (correspondientes a más de 190.000 proteínas) a la base de datos.
Hasta la fecha, más de 300.000 investigadores de todo el mundo han utilizado la base de datos. Esto representa AlphaFold, una de las contribuciones más significativas de la IA al avance del conocimiento científico dar.
StarCraft 2 es un juego de estrategia en tiempo real de Blizzard Entertainment y está considerado uno de los más complejos y populares de todos los deportes electrónicos. Hay que tener en cuenta algunas cosas a la hora de jugar:
Activision Blizzard
1. Microgestióntambién llamado micro: El jugador debe dirigir permanentemente decenas de piezas de juego en el campo de juego al mismo tiempo y dar órdenes.
2. Gestión macroeconómicaabreviado Macro: El jugador debe desarrollar una estrategia adecuada para construir edificios, investigar mejoras y construir nuevas piezas de juego.
3. Información incompletaNiebla de guerra: Debido a la "niebla de guerra", las acciones del enemigo no suelen ser visibles. Tus propias unidades hacen desaparecer la niebla en un pequeño radio. Por lo tanto, tienes que enviarlas a las zonas enemigas para vislumbrar sus tácticas. Esta acción se denomina "exploración".
4. el Principio piedra-papel-tijeraCada ataque puede ser respondido con una defensa adecuada. Esto, a su vez, da ventaja al contraataque.
5. todo ocurre en En tiempo realA diferencia del ajedrez o el go, ambos jugadores deben planificar y ejecutar sus acciones simultáneamente y sin pausa.
6. Tres razas diferentesHay tres razas alienígenas diferentes para elegir al principio del juego: Protoss, Terran y Zerg. Todas tienen sus propias características y permiten diferentes estrategias.
ProtossTerranZerg
Función y fuerza de juego de AlphaStar
Para la inteligencia artificial, esto La complejidad, un gran reto s. AlphaStar tiene que elegir cada vez entre hasta 1026 acciones posibles, con muchos más movimientos cuyos efectos sólo pueden verse tras un largo periodo de juego. Para desarrollar estrategias de victoria exitosas, AlphaStar tuvo que aprender e investigar más a fondo las estrategias humanas.
Para ello, utiliza diversas técnicas generales de aprendizaje automático, como el autoaprendizaje con aprendizaje por refuerzo y el aprendizaje por imitación, combinadas con Redes neuronales. Esto hace que AlphaStar para ganar un nivel de Gran Maestro para las tres razas alienígenas y jugar mejor que el 99,8 % de los jugadores de StarCraft en Battle.net..
Los sólidos resultados de AlphaStar demuestran cómo las técnicas de aprendizaje general pueden reforzar los sistemas de IA para que funcionen en entornos dinámicos y complejos. Se espera que estos resultados sean aplicables en el mundo real en el futuro, haciendo que las IA sean más seguras y robustas.
Recursos en línea
Github
Desde el año 2017 se ha producido la API PySC2 de StarCraft como código abierto en Github. Es el resultado de la cooperación entre DeepMind y Blizzard Entertainment. La API permite a los ordenadores obtener información directamente de los mapas de características sin tener que analizar los gráficos del juego. Por ejemplo, un mapa de características puede consistir en una matriz cuyas celdas indican el tipo de personaje (por ejemplo, 0 para "ningún personaje"). Estos datos son mucho más fáciles de procesar para los ordenadores. Desde entonces, varias inteligencias artificiales han utilizado la API PySC2 y compiten entre sí como bots de StarCraft.
