1
00:00:02,799 --> 00:00:08,019
bienvenidos de nuevo al curso inteligencia artificial a tu alcance ideas prácticas para

2
00:00:08,019 --> 00:00:14,080
el aula y siguiendo con los tutoriales relacionados con herramientas de inteligencia artificial

3
00:00:14,080 --> 00:00:19,420
presentamos en esta ocasión teachable machine que es una herramienta que nos va a permitir

4
00:00:19,420 --> 00:00:28,300
identificar imágenes sonidos y posturas esta herramienta ya tenemos aquí delante bueno pues

5
00:00:28,300 --> 00:00:46,159
La verdad es que es muy intuitiva como las que hemos estado viendo hasta ahora y de los diferentes modelos que podemos obtener, el de imágenes podemos realizarlo también con muchas otras herramientas, sonidos también es una particularidad interesante que tiene esta herramienta, pero quizá el de posturas nos puede llevar mucho la atención.

6
00:00:46,159 --> 00:01:02,600
Así que vamos a intentar mostrar un poco cómo se utiliza esta herramienta y en este caso vamos a intentar utilizar la opción de modelos de identificación de posturas para, como digo, intentar aplicarlo en el aura.

7
00:01:02,600 --> 00:01:11,500
En este caso lo que vamos a hacer es presentar un modelo de identificación de posturas de la práctica del yoga.

8
00:01:12,019 --> 00:01:24,980
Bien, como sabemos las posturas en este caso de la práctica del yoga se llaman asanas y estas posturas pues tienen nombres en sánscrito pero también tienen su traducción en castellano.

9
00:01:24,980 --> 00:01:54,400
En este caso vamos a intentar elegir, en este caso a través de esta opción de primeros pasos, vamos a elegir el proyecto de posturas y lo que vamos a hacer es intentar identificar con las diferentes imágenes que obtiene la webcam o bien a través de un archivo, intentar identificar qué tipo de postura está realizando el usuario que está delante de la webcam o a través de la imagen que podamos mostrar en un archivo.

10
00:01:54,400 --> 00:02:16,659
Entonces bueno, para ello vamos a establecer exactamente tres posturas, una de ellas conocida como la postura de la rueda, otra postura conocida como la postura de loto y finalmente vamos a ir a la nueva clase, la postura de la barca.

11
00:02:16,659 --> 00:02:45,659
Con estas tres posturas, que ahora veremos un poco las características que tiene cada una, pues vamos a intentar alimentar esta máquina de inteligencia artificial, esta máquina de aprendizaje, para que busque los patrones y luego cuando presentemos una nueva postura, sea capaz de darnos un porcentaje de acierto y de predicción sobre la postura que se supone estar realizando la persona que está delante de la webcam o a través de las páginas.

12
00:02:45,659 --> 00:03:08,919
Entonces, bueno, para este caso, para nutrir y obtener los datos que alimentar a esta máquina de aprendizaje, lo que vamos a hacer es irnos, en este caso, a Adobe Firefly y buscar, en este caso, y intentar obtener estas imágenes a través de la herramienta que tenemos de texto a imagen.

13
00:03:08,919 --> 00:03:27,080
Es decir, que vamos a alimentar, en este caso, nuestro modelo con otros modelos obtenidos a partir de otra máquina de inteligencia artificial, como es el caso de Adobe Firefly, que ya hemos visto y ya hemos trabajado a lo largo de este curso.

14
00:03:27,080 --> 00:03:31,620
entonces para esto vamos a indicarle en este caso a través del texto

15
00:03:31,620 --> 00:03:42,620
por ejemplo, deportista realizando la postura de yoga de la rueda

16
00:03:42,620 --> 00:03:46,280
y en este caso vamos a ver lo que nos genera

17
00:03:46,280 --> 00:03:49,879
vamos a emplear en este caso fotografías reales

18
00:03:49,879 --> 00:03:54,219
entonces vamos a intentar que no nos lo coja la primera

19
00:03:54,219 --> 00:04:14,219
Si no, repetiríamos la instrucción. Esperamos unos segundos y bueno, en este caso nos han sacado unas imágenes. Vamos a repetir la operación, pero en este caso ya marcando la acción de fotografía para que sean imágenes reales las que alimenten nuestra máquina de aprendizaje.

20
00:04:14,219 --> 00:04:27,680
esperamos unos segundos y ahora obtendremos unas imágenes, en este caso para la postura de la rueda vemos que efectivamente estas dos o estas tres podrían ser y esta la descartaríamos,

21
00:04:27,680 --> 00:04:39,579
no obstante podemos descargarlas todas y luego solamente incluir estas en el aprendizaje y luego ya podremos utilizar cualquier otra para hacer los test y que nos indique el porcentaje de fiabilidad,

22
00:04:39,579 --> 00:04:44,379
descargamos por lo tanto todas y una vez que ya hemos descargado todas podemos clasificarlas

23
00:04:44,379 --> 00:04:51,899
bueno yo ya he realizado en este caso podemos poner deportista podemos poner estudiante

24
00:04:53,420 --> 00:05:03,180
y generar nuevas imágenes y bueno pues yo ya he creado en este caso tres tipos de carpetas

25
00:05:03,180 --> 00:05:08,759
con todas estas imágenes obtenidas de adobe firefly y bueno pues aquí vemos

26
00:05:08,759 --> 00:05:12,240
efectivamente que también tenemos varias imágenes que nos pueden servir estas dos

27
00:05:12,240 --> 00:05:16,100
perfectas bien y ésta no nos vale pero la vamos a utilizar también como te

28
00:05:16,100 --> 00:05:21,120
sentiste la descargamos y como digo vamos a ver ahora la carpeta

29
00:05:21,120 --> 00:05:26,680
donde ya está todo como digo en esta carpeta de esta

30
00:05:26,680 --> 00:05:31,800
pendrive pues tengo ya clasificadas diferentes posturas la postura de la

31
00:05:31,800 --> 00:05:39,699
rueda la postura de loto y la postura de la barca y he añadido pues las imágenes sostenidas de

32
00:05:39,699 --> 00:05:45,279
firefly en este caso pues como vemos podemos ver aquí la discusión en el pro que se le ha puesto

33
00:05:47,120 --> 00:05:54,019
para otras exactamente igual para en este caso de la postura de loto y esta última la postura

34
00:05:54,019 --> 00:05:59,259
de la rueda pues también hemos añadido las que consideramos aún así hemos obtenido también una

35
00:05:59,259 --> 00:06:04,600
gran cantidad de imágenes que no corresponden o que lo que las hemos seleccionado previamente

36
00:06:04,600 --> 00:06:10,379
porque no estaban claras a qué pertenecían pero que las podemos utilizar como digo después para

37
00:06:10,379 --> 00:06:17,060
el test pero en este caso pues estas imágenes no pasan el filtro nuestro propio filtro para

38
00:06:17,060 --> 00:06:21,819
poder etiquetar las dentro de las tres que nosotros hemos elegido de acuerdo bien pues

39
00:06:21,819 --> 00:06:26,860
ahora nos vamos a la ticha de machín y vamos bueno pues ya estamos de nuevo en la herramienta

40
00:06:26,860 --> 00:06:35,360
y se vuelva chile vamos a establecer en este caso y cargar en este caso las que corresponden con la

41
00:06:35,360 --> 00:06:41,360
rueda para ello pinchamos en seleccionar las imágenes o arrastrarnos de aquí bueno pues

42
00:06:41,360 --> 00:06:49,699
aquí tenemos en este caso las que hemos seleccionado para incluidas dentro de la

43
00:06:49,699 --> 00:06:57,720
categoría de la clase vamos a elegir las todas desde aquí hasta aquí y como vemos se nos va a

44
00:06:57,720 --> 00:07:06,449
cargar ahora en la clasificación que hemos indicado de la postura de la rueda tarda un poquito pero

45
00:07:06,449 --> 00:07:12,930
aquí las tenemos ya seleccionadas en este caso ocho ejemplos vamos en este caso con las que

46
00:07:12,930 --> 00:07:20,649
cargamos en este caso para la postura de loto y para ello pues nos vamos a elegir en este caso

47
00:07:20,649 --> 00:07:30,939
las que correspondan y las que se encuentran aquí éstas serían las que se corresponderían

48
00:07:31,939 --> 00:07:40,120
con las posturas que hemos comentado las cargamos en este caso tenemos una cantidad mayor es más

49
00:07:40,120 --> 00:07:45,759
fácil para encontrar este tipo de posturas como vemos ya éste establece los patrones vemos que

50
00:07:45,759 --> 00:07:50,500
ya prácticamente identifica los patrones que se repiten en este caso concreto con estudios

51
00:07:50,500 --> 00:07:57,120
sino ejemplos y vamos con el último de la barca y exactamente lo mismo vamos directamente a la

52
00:07:57,120 --> 00:08:07,250
carpeta donde tengamos esa información todos esos datos de entrada los cargamos y vemos también

53
00:08:07,250 --> 00:08:12,529
esas marcas azules que indican los patrones que ya están encontrando muy bien pues con esto ya

54
00:08:12,529 --> 00:08:19,430
tendríamos en este caso una selección de datos evidentemente cuanto más tanto mejor siempre

55
00:08:19,430 --> 00:08:25,689
lo hemos dicho, pero bueno, pues con esto podríamos hacer algunas pruebas para ver qué tal, ¿de acuerdo?

56
00:08:26,230 --> 00:08:35,090
Entonces vamos a darle a hacer clic en preparar el modelo y durante este tiempo podemos establecer alguna configuración

57
00:08:35,090 --> 00:08:41,970
de la forma en que realiza este aprendizaje, pero en este caso no es objeto del curso y simplemente lo dejamos como está

58
00:08:41,970 --> 00:08:49,370
y para que va buscando ya los diferentes patrones de cada una de las de las clases que tiene este

59
00:08:49,370 --> 00:08:57,110
modelo y a partir de ahora una vez que aprenda la máquina de los datos que le hemos introducido ya

60
00:08:57,110 --> 00:09:04,389
podemos en este caso introducir una nueva imagen que podría ser a través de la webcam habilitando

61
00:09:04,389 --> 00:09:09,730
una webcam y nos diría a qué pertenece o directamente vamos a añadir archivos como

62
00:09:09,730 --> 00:09:17,830
nosotros está ahora bien hemos añadido una cuarta clase en este caso para que el modelo

63
00:09:17,830 --> 00:09:25,429
sea capaz de indicarnos cuando la postura que subimos con la imagen no corresponde con ninguna

64
00:09:25,429 --> 00:09:30,370
de las otras tres porque si no le damos ninguna opción más nos dará una aproximada de una de las

65
00:09:30,370 --> 00:09:34,990
tres sin embargo si no corresponde con ninguna de las de las tres pues creamos una clase llamada

66
00:09:34,990 --> 00:09:41,289
otra y en este caso lo que hemos añadido es cualquier otra pose cualquier otra postura

67
00:09:41,289 --> 00:09:48,049
que no corresponde con ninguna de las anteriores que tenga variedad de esta manera como vemos en

68
00:09:48,049 --> 00:09:53,350
este caso concreto pues una postura que no corresponde con ninguna de las dos otras tres

69
00:09:53,350 --> 00:09:58,629
las clasifica fuera en este caso de otra postura distinta y de esta manera nuestro modelo sería

70
00:09:58,629 --> 00:10:05,090
perfectamente válido vamos por ejemplo a cargar otra cualquiera nos vamos en este caso

71
00:10:07,090 --> 00:10:14,269
por ejemplo cualquiera de estas que hemos descargado previamente por ejemplo podemos

72
00:10:14,269 --> 00:10:20,929
cargar esta y en este caso concreto pues también nos indica que no corresponde con ninguna de las

73
00:10:20,929 --> 00:10:30,549
tres primeras vamos a añadir otra por ejemplo esta vamos a ponerle una que se identifique y

74
00:10:30,549 --> 00:10:37,210
efectivamente identifica claramente que se trata de la postura de la rueda vamos a añadir otra

75
00:10:37,210 --> 00:10:49,559
también por ejemplo cualquiera de estas que no corresponde por ejemplo a esta claramente nos

76
00:10:49,559 --> 00:10:55,559
dice que no corresponde con ninguna de las anteriores es otra postura que no la clasificamos

77
00:10:55,559 --> 00:10:59,960
si no tendríamos tantas clasificaciones como posturas y obviamente sería inviable vamos a

78
00:10:59,960 --> 00:11:08,240
colocar por ejemplo esta que es bastante extraña y también evidentemente pues indica que no es no

79
00:11:08,240 --> 00:11:15,559
se corresponde vamos a incluir una que sí conozca por ejemplo esta y en este caso por la clasifica

80
00:11:15,559 --> 00:11:22,980
como una postura de la barca que no es que sea perfecta pero se asemeja vamos a incluir esta

81
00:11:22,980 --> 00:11:29,299
también vemos que es otra vamos a incluir otra cualquiera por ejemplo

82
00:11:31,840 --> 00:11:37,659
esta de aquí y en este caso se inclina esto es interesante porque se inclina porque es

83
00:11:37,659 --> 00:11:43,960
otra y no correspondería con la de loto que sería claramente en los brazos pues más hacia abajo

84
00:11:45,559 --> 00:12:09,200
El modelo parece resultar bastante apropiado, vamos a utilizar por ejemplo cualquiera de estas imágenes que recordamos son imágenes obtenidas, en este caso sí que lo ha acertado, son imágenes obtenidas a través de Firefly, todas las imágenes han sido obtenidas de Firefly y por lo tanto no son imágenes irreales creadas también con inteligencia artificial.

85
00:12:09,200 --> 00:12:15,259
Bueno, pues con esto damos por finalizado la presentación de esta otra herramienta.