LearningML

Manual de usuario
ÍNDICE
Introducción 2

Descripción 2

El editor de modelos de Machine Learning 3

Entrada en la aplicación y creación de una cuenta 4
Creación de modelos de Machine Learning de reconocimiento de textos. 5
Entrenar 6
Aprender 7
Probar 7
Creación de modelos de Machine Learning de reconocimiento de imágenes. 8
La colección “mis proyectos” 10
La colección “proyectos compartidos” 11
Enviar errores y propuestas de mejoras 11

La plataforma de programación 12
Bloques para el reconocimiento de textos 13
Descripción 13
Ejemplo 13
Bloques para el reconocimiento de imágenes 14
Descripción 14
Ejemplo 15
Introducción
LearningML ​es una plataforma web para la enseñanza y aprendizaje de ​Machine Learning1,
o ​Aprendizaje Automático​, como se le conoce en español, una de las técnicas de
Inteligencia Artificial más exitosas y utilizadas en la actualidad. Esta plataforma constituye
una herramienta completa para construir modelos de Machine Learning y programar
aplicaciones que utilizan dichos modelos. “Aprender haciendo”, por tanto, es la base
pedagógica sobre la que se ha diseñado ​LearningML.​

Descripción
La plataforma LearningML está compuesta por 3 partes:

● Una página web destinada a la difusión y descripción de la propia herramienta y de

cuestiones relacionadas con el Machine Learning y su aprendizaje. Se accede a
través de la url:​ https://learningml.org​.
● Una aplicación para la construcción de modelos de Machine Learning (el editor de
ML). Se accede a través de la url: ​https://learningml.org/editor/​.
● Una plataforma de programación por bloques para construir aplicaciones que utilizan
los modelos elaborados con la anterior aplicación. Se accede a ella desde el editor
de ML o directamente a través de la url: ​https://learningml.org/scratch/​.

El editor de modelos de Machine Learning

Es la herramienta con la que se construyen los modelos de Machine Learning mediante
recopilación de ejemplo etiquetados.

1
En la web del proyecto ​https://learningml.org​ puedes encontrar recursos para aprender sobre
Machine Learning e Inteligencia Artificial.
Entrada en la aplicación y creación de una cuenta
Se entra a través de la url: ​https://learningml.org/editor/​. Y el aspecto es el siguiente:

La barra superior muestra los siguientes menús:

● LearningML. ​Este botón te lleva a la pantalla de inicio desde cualquier lugar de la
aplicación en que te encuentres.
● Archivo​, desde donde se puede:
○ Crear nuevos proyectos.
○ Guardar proyectos localmente en el ordenador.
○ Guardar proyectos en la cuenta de ​LearningML.​
○ Cargar proyectos localmente desde el ordenador.
○ Cargar proyectos desde la cuenta de ​LearningML​.
○ Guardar como una copia en la cuenta de LearningML.
● Acceso a “mis proyectos”​ en la cuenta de LearningML
● Acceso a “proyectos compartidos”​ en la cuenta de LearningML.
● Inicio de sesión​. Para abrir sesión una vez que has creado tu cuenta.

Y una caja de textos para indicar el nombre del proyecto.

La herramienta puede utilizarse sin necesidad de crear una cuenta, pero en ese caso
solamente se podrán guardar los proyectos localmente en el ordenador e, igualmente,
cargar proyectos localmente desde el ordenador. Para el resto de funcionalidades hay que
tener una cuenta en ​LearningML​.

Para crear una cuenta se hace clic en “​Únete a LearningML​”. También se puede crear
desde la web del proyecto ​https://learningml.org​. La aplicación te pedirá un nombre de
usuario, un password, una dirección de correo electrónico, tu fecha de nacimiento y tu
género. Se recomienda que el nombre de usuario no tenga nada que ver con tu nombre
real. Por otro lado el correo electrónico es necesario para poder activar la cuenta y poder
avisarte de posibles problemas o cuestiones que tengan que ver con tu cuenta. Finalmente
los datos sobre la edad y el género se solicitan únicamente por motivos de investigación de
uso de la herramienta.
Una vez que te hayas registrado ya podrás guardar y cargar proyectos en la nube desde tu
cuenta y utilizar todas sus funcionalidades.

Creación de modelos de Machine Learning de reconocimiento

de textos.
Desde la pantalla principal que acabamos de describir en el apartado anterior haz clic en el
botón “Reconocer textos” y llegarás a la siguiente pantalla:

La herramienta se divide en tres partes:

● Entrenar
● Aprender
● Probar
Entrenar
Entrenar significa recopilar ejemplos de textos que quieras reconocer. Es lo primero que
debes hacer para crear un modelo de Machine Learning. Desde aquí puedes crear nuevas
etiquetas o clases, es decir, los nombres de los conjuntos de cosas que quieres reconocer.
Por ejemplo si estás haciendo un modelo para reconocer definiciones de accidentes
geográficos, las clases podrían ser: cordillera, meseta y depresión. Para crear nuevas
clases (o etiquetas, es lo mismo) basta con pulsar en el botón “Añadir nueva clase de texto”:

Una vez que hayas creado las clases debes añadir ejemplos de textos pertenecientes a
cada una ellas. Así construirás un conjunto de ejemplos etiquetados que la aplicación
utilizará para aprender a clasificar textos distintos pero similares a los empleados en la fase
de entrenamiento.
Puedes eliminar los textos que has introducido simplemente picando sobre ellos y
confirmando el borrado.

Aprender
Cuando tengas un número suficiente de textos de ejemplo, se recomienda que por lo menos
sean 10 de cada clase, llega el momento de que el ordenador aprenda a partir de ellos. Sólo
tienes que pulsar en el botón “Aprender a reconocer textos” para que esto tenga lugar.
Puede que tarde un ratito en ejecutarse este proceso, pues es muy intensivo
computacionalmente hablando. Mientras el aprendizaje está teniendo lugar aparecerá una
animación que indica que el proceso se está llevando a cabo. Cuando el aprendizaje finalice
serás notificado de ello.

Probar
Llegados a este punto la aplicación ya ha construido un modelo capaz de clasificar textos
similares pero distintos a los usados en el entrenamiento, entre las distintas etiquetas que
has creado en la fase de entrenamiento. Ahora puedes probar cómo de bien funciona. Basta
con que introduzcas un nuevo texto en la caja de texto de la sección “Probar” y pulsar en el
botón “Comprobar”. La herramienta te propondrá una clasificación y mostrará las distintas
probabilidades de que el texto pertenezca a cada una de las etiquetas.
Y con esto ya tienes listo tu modelo de reconocimiento de textos. Siempre puedes mejorarlo
añadiendo nuevos textos a las etiquetas que has creado y volviendo a ejecutar el proceso
de aprendizaje. Entonces puedes volver a probar para ver si el modelo ha mejorado.
Puedes repetir este esquema todas las veces que quieras.

Para no perder los datos que has añadido puede guardar el proyecto tanto localmente en tu
ordenador, como en la nube en tu cuenta de ​LearningML​. Una vez guardado puedes
recuperarlo cuando quieras y continuar mejorándolo.

Una vez llegados a este punto, lo siguiente que puedes hacer es programar una aplicación
que utilice el modelo que acabas de crear. Te contamos cómo hacerlo en la sección “La
plataforma de programación”.

Creación de modelos de Machine Learning de reconocimiento

de imágenes.
Podemos crear modelos para el reconocimiento de imágenes pulsando en el botón
“Reconocer imágenes” de la pantalla principal.

La creación de modelos para reconocer imágenes es análoga a la de reconocimiento de

texto y consta de las mismas fases: entrenar, aprender y probar. La única diferencia es que
los ejemplos que añadimos son imágenes en lugar de textos.

Puedes añadir nuevas imágenes a las etiquetas de dos maneras: subiendo archivos y
usando la webcam. Puedes usar ambos tipos de entrada para añadir imágenes en una
misma etiqueta.
Una vez que tengas todas tus imágenes de ejemplo, comprobarás que la fase de
aprendizaje tarda más en completarse. Es normal, el proceso aprendizaje para imágenes es
aún más costoso que para textos.

Por último puedes probar el modelo generado con nuevas imágenes que obtengas desde
un fichero o desde la webcam.
Como en el caso del reconocimiento de textos, puedes mejorar el modelo añadiendo más
imágenes y volviendo a ejecutar el proceso de aprendizaje. Finalmente puedes programar
una aplicación que haga uso de este modelo.

La colección “mis proyectos”

Si te has registrado y dispones de una cuenta de ​LearningML​, puedes guardar tus proyectos
en la nube y acceder a ellos desde cualquier ordenador. Para ello debes pulsar en el icono

de la carpeta y verás la colección de tus proyectos.

Cada proyecto se presenta en una tarjeta y puedes ver su nombre, tipo, descripción y las
clases de cosas (textos o imágenes, según el tipo de proyecto) que reconoce.

Cada proyecto ofrece 4 operaciones:

● Cargar el proyecto

● Editar las propiedades del proyecto (nombre y descripción)

 ● Compartir o, si está compartido, dejar de compartir . Esto te permite
compartir con todos los usuarios de ​LearningML t​ us proyectos. Los usuarios que
quieran usarlo podrán hacer una copia del mismo, de manera que tus proyectos no
corren el riesgo de ser modificado por otros cuando los compartes.

● Borrar .

La colección “proyectos compartidos”

Si te has registrado y dispones de una cuenta de ​LearningML,​ puedes acceder a los

proyectos que otros usuarios hayan compartido pulsando el botón .

Pulsando el botón “Cargar proyecto”, cargarás el proyecto en la herramienta y, después

siempre podrás modificarlo y guardarlo localmente o en tu cuenta. También puedes hacer
una copia directamente en tu cuenta pulsando el botón “Reinventar”.

Enviar errores y propuestas de mejoras

​ uedes enviarnos tus sugerencias de mejoras o los
Si tienes una cuenta de ​LearningML p
errores que encuentres. Para ello usa la opción “Enviar un fallo o mejora” del menú login.
La plataforma de programación
La plataforma de programación es una modificación de Scratch a la que hemos añadido
algunos bloques nuevos para utilizar el modelo de Machine Learning creado con el editor de
ML. Así que podrás programar todo lo que se puede programar con Scratch y, además,
incorporar inteligencia artificial con Machine Learning a tus proyectos. El acceso a la
plataforma de programación se hace desde el editor una vez que el modelo está construido.

Para ello basta pulsar sobre el botón . En otra ventana se abrirá la plataforma de
programación con el modelo de Machine Learning que se haya elaborado en el editor junto
con los bloques necesarios para utilizarlo.
Bloques para el reconocimiento de textos

Descripción

Bloque Descripción

Es un bloque de tipo “reporter”. Devuelve la

etiqueta clasificada como más probable del
texto que se introduzca como argumento.

Es un bloque de tipo “reporter”. Devuelve la

probabilidad de la clasificación propuesta
por el modelo.

Añade el texto dado como primer

argumento al conjunto de imágenes cuya
etiqueta viene dada por el segundo
argumento.

Vuelve a ejecutar el proceso de aprendizaje

para generar un nuevo modelo que tenga
en cuenta los nuevos textos añadidos a los
ejemplos.

Devuelve el estado del modelo: TRAINED,

UNTRAINED

Ejemplo
A continuación mostramos un ejemplo de programa muy sencillo con reconocimiento de
textos.
Bloques para el reconocimiento de imágenes

Descripción

Bloque Descripción

Este reporter devuelve el valor de la

clasificación dada por el modelo de
Machine Learning a la imagen que se
aporta como primer argumento. Dicho
argumento puede ser:
● El nº de disfraz cuya imagen se
quiere clasificar
● El disfraz actual dado por el reporter

● La imagen tomada por la webcam y

representada por el reporter

Este reporter devuelve la probabilidad

asignada por el modelo a la clasificación
más probable (es decir a la que devuelve el
reporter anterior) de la imagen que se
aporta en su argumento, que igual que
antes puede ser:
● El nº de disfraz cuya imagen se
quiere clasificar
● El disfraz actual dado por el reporter

● La imagen tomada por la webcam y

representada por el reporter

Un comando con el que se puede:

● activar la webcam
● activar la webcam en modo invertido
● desactivar la webcam

Un reporter que devuelve el disfraz actual

activo.
 Un reporter que devuelve la imagen tomada
por la webcam

Con este comando podemos añadir la

imagen dada por el primer argumento y
etiquetarla con la cadena dada por el
segundo argumento. El primer argumento
puede ser:
● El nº de disfraz cuya imagen se
quiere clasificar
● El disfraz actual dado por el reporter

● La imagen tomada por la webcam y

representada por el reporter

Este comando ejecuta el proceso de

aprendizaje, es decir, ejecuta el algoritmo
de machine learning.

Importante: Se trata de una ejecución

asíncrona. Dado que el proceso de
aprendizaje con imágenes es muy costoso,
este se lanza de forma asíncrona, lo que
significa que una vez que se ha ejecutado
este bloque, el programa continúa pero el
proceso de aprendizaje sigue ejecutándose
por debajo (en otro hilo). Para utilizar el
nuevo modelo hay que esperar a que dicho
proceso termine. Esto se puede hacer con
el bloque que se describe a continuación.

Este bloque de tipo “HAT” (sombrero), se

ejecuta cuando el nuevo modelo ha sido
generado. Debe usarse en combinación
con el anterior, que lanza la ejecución del
proceso de aprendizaje. Todos los bloques
que añadamos a este, tendrán disponible el
modelo generado.

Ejemplo
A continuación mostramos un ejemplo de programa muy sencillo con reconocimiento de
imágenes.