Actualmente el desarrollo de soluciones está mostrando un ecosistema de aplicaciones muy interesante que favorecen la utilización creciente de servicios tecnológicos, esto genera un efecto social en donde la utilidad, la velocidad y simplicidad juega un rol fundamental.

Actualmente existen gran cantidad de soluciones en el ambiente de software que facilitan el desarrollo innovador de nuevas aplicaciones. Pensando en la evolución de aplicaciones y en la creación de nuevas soluciones tecnológicas, en el día de hoy analizaremos la utilidad de Prediction API.

Actualmente Prediction API permite trabajar en dos grandes ambientes, regresión y categorización numérica.

En el ejemplo del hoy vamos a utilizar el escenario de categorización numérica. El desafío consiste en utilizar un conjunto de datos en donde se expresen emociones sociales, extraídas aleatoriamente de la realidad actual.

Modelo:
"Tipo de emoción", "Texto real de la emoción extraído de la redes sociales"

Ejemplo:
“Felicidad momentánea”, “Esto que me ocurre es fantástico es la mejora clase de mi vida. Me siento la persona más afortunada del mundo”
“Miedo repentino”, “Varios hurtos ocurrieron este día cerca de mi domicilio, estoy atemorizado”

Estos datos los vamos a introducir mediante Cloud Storage para generar el modelo en Prediction API y poder analizar el funcionamiento predictivo de la solución.

Primeramente vamos a recorrer las siguientes soluciones tecnológicas que nos provee Google:

Primeros pasos en la configuración de un modelo en Prediction API

Fig.1 Consola de administración de APIs

El primer paso que debemos realizar al momento de utilizar Prediction API o cualquiera de las APIs propuestas por Google, es ingresar nuestro proyecto en la Google API Console como se muestra en la Fig.1. En este panel tenemos diversas funcionalidades de administración, como por ejemplo administrar una serie de integrantes por proyecto, análisis de utilización de la API, cuotas y fundamentalmente la configuración de acceso a la API.

Fig. 2 Configuración de acceso a las APIs

Para la utilización de Prediction API en forma estándar desde un cliente sin utilizar el modo hosteado debemos configurar la opción de seguridad OAuth 2.0. En la Fig.2 vemos las opciones de acceso a la API que deben ser utilizadas en el caso que se intente acceder a la funcionalidad desde otra solución tecnológica que no sea la API explorer.

Fig. 3 Panel de administración de Google Cloud Storage

Finalmente es necesario tener los datos disponibles en Cloud Storage, para esta actividad vamos a utilizar el siguiente conjunto de datos. (Se muestra Sensaciones.csv en la Fig.3)

Con el proyecto generado correctamente y los datos cargados en Cloud Storage vamos a pasar a la actividad de generación y utilización del modelo en Prediction API mediante Google API Explorer.

Crear y utilizar un modelo en prediction API

Para esta actividad vamos a utilizar API explorer en donde vamos a generar un nuevo modelo basado en los datos almacenados en Cloud Storage.

Fig. 4 Google API Explorer para la versión de Prediction API 1.5

Al momento de utilizar la APIs Explorer tenemos la opción de seleccionar los servicios disponibles en sus versiones finales o acceder a todas las versiones actuales. Como se observa en la Fig. 4 vamos a utilizar la v1.5 de Prediction API. Tenemos que tener en cuenta que para hacer uso de la funcionalidad, debemos realizar la autenticación mediante OAuth 2.0 que se encuentra disponible en el vértice superior derecho que muestra la Fig. 4.

Para esta actividad utilizaremos la funcionalidad de insert para insertar un modelo y la funcionalidad de predict para predecir en base a nuestro modelo propuesto.

Fig. 5 Insertando un modelo en Prediction API

Como muestra la Fig. 5 utilizando la función insert generaremos un nuevo modelo donde debemos especificar una identificación Id y una dirección representada por storageDataLocation, que describe la ubicación del conjunto de datos en Cloud Storage.

Fig. 6 Consultas al modelo en Prediction API

Solo nos resta empezar a utilizar el modelo mediante consultas como podemos observar en la Fig.6. Utilizamos la función predict, especificamos el modelo que queremos consultar en el campo Id y luego especificamos el texto de la emoción para que Prediction API pueda predecir en cada instancia sobre la emoción que estamos trabajando.

 Nicolás Bortolotti   Perfil | Twitter | Blog

Nicolás es director de relaciones para desarrolladores en latinoamérica región sur para Google. El ha desarrollado comunidades académicas y de investigación en varios países de Latinoamérica sobre la plataforma de desarrollo web y mobile de Google. Además Nicolas es profesor universitario, donde trabaja fuertemente en arquitecturas de software, ambientes emergentes e innovación en modelos de ingeniería de software
 
Les dejo el video de implementación con la demostración paso a paso:


 Notas del Articulo:
Este articulo corresponde a los contenidos expuestos en la sesión de Developers Live para desarrolladores en español. Innovación en aplicaciones utilizando Prediction API - Parte 1.
Nivel: inicial.