Bienvenidos a AboutData.blog de Gold Light Data, donde exploramos lo último en Big Data, IA, ML, Analítica de Negocios e Inteligencia de Negocios. Únete a nosotros para mantenerte informado y empoderado en el dinámico mundo de la tecnología de datos.

Calificando predicciones de aprendizaje automático de los Oscar 2023

El domingo, la ceremonia de los 95 años de los Premios de la Academia llegó a su fin sin mayores incidentes. Esto normalmente, esto contradiría la noción de que “no hay mala publicidad…”, pero no nos quejaremos de la falta de violencia o de los momentos tales como anunciar el ganador equivocado. Según Jimmy Kimmel, la Academia escuchó a sus miembros y tomó la controvertida decisión de presentar todos los premios en el escenario de una sola vez, incluso cortos documentales. Esto significó que la ceremonia duró casi cuatro horas. A pesar de eso, la audiencia aumentó un 12% desde el año pasado a 18,7 millones — el mejor desde 2018.

Con siete Oscar de once nominaciones el rey indiscutible de la noche fue la película de bajo presupuesto favorita de los fans elegida por el estudio independiente A24: “Todo en todas partes al mismo tiempo”. Habiendo costado $25 millones, recaudó más de $106 millones en todo el mundo. Tal vez el negocio de la producción de películas a la antigua aún no haya terminado, como afirman algunos. “Everything Everywhere all at Once” se estrenó mucho antes en el año que un típico ganador del Oscar, pero mantuvo su impulso admirablemente a medida que ganaba más y más fanáticos. En el proceso, Michelle Yeoh se convirtió en la primera mujer asiática en recibir la estatuilla a Mejor Actriz por su actuación principal. Los otros momentos notables de la noche incluyeron grandes historias de regreso en Brendan Fraser ganando Mejor Actor, Ke Hu Quan (Mejor Actor de Reparto) y Jamie Lee Curtis (Mejor Actriz de Reparto) después de largos períodos de inactividad. Estados Unidos ama las segundas oportunidades.

Resultados de predicción y análisis

Entonces, ¿cómo fue con las predicciones de BigML? La respuesta corta es que acertaron en seis de las ocho categorías principales, incluida una de las dos categorías de guiones que resultaron más complicadas a lo largo de los años. En las categorías secundarias, esta vez acertaron seis de once para un total de 12 predicciones acertadas de 19 categorías para un 63 % de tasa de aciertos general.

All Quiet on the Western Front tuvo un mejor desempeño del esperado por los modelos durante la noche, lo que se sumó al éxito del circuito de premios de Netflix en los últimos años. En total, la producción alemana se llevó cuatro galardones. Netflix, por su parte, alcanzó un gran total de seis, incluyendo mejor largometraje de animación con ‘Pinocho’ de Guillermo del Toro y el Oscar al Cortometraje Documental. Dicho esto, tres de las cinco fallas en la categoría secundaria terminaron en manos del segundo mejor nominado según los modelos de BigML. BigML continuará puliendo esos modelos para el próximo año y nos compartirán las predicciones en el futuro.

Por otro lado, si se hace al azar, acertar 12 de 19 predicciones con entre 5 y 10 nominados para cada categoría sigue siendo equivalente a encontrar la combinación correcta entre 244,140,625 combinaciones posibles. Si bien no son perfectos, sus modelos captan muchas señales valiosas que apuntan a posibles ganadores. Las siguientes tablas resumen los resultados de predicción por categoría. De las dos principales categorías de premios, ya sabíamos que el Oscar a la Mejor Actriz estaría cerca y fue para la segunda elección, Michelle Yeoh. Sin embargo, el premio al mejor guión original que también fue para “Everything Everywhere all at Once” fue más un resultado remoto según el modelo correspondiente.

Este año han utilizado modelos de fusión que combinan sus 20 mejores modelos de OptiML con búsquedas automáticas de modelos de clasificación seleccionadas como las de mejor desempeño. La próxima vez, podrán buscar diferentes combinaciones, como los modelos Top 5 o Top 10, como una posible variación en lo que respecta a la metodología.

En la próxima iteración, deberán considerar la posibilidad de crear un marco de evaluación específico que dé más peso a los años más recientes. Aunque esta práctica no es común, si hay razones para creer que han habido cambios significativos en el contexto de los Oscar. Por ejemplo, podrían examinar los cambios en el cuerpo de miembros votantes de la Academia, la inclusión de películas comercialmente exitosas como Top Gun: Maverick y Avatar: The Way of Water como nominadas en la categoría principal, y el avance de los servicios de transmisión como Netflix con sus producciones originales a expensas de los estudios tradicionales.

Es importante tener en cuenta que el método utilizado para hacer predicciones es completamente transparente y está documentado para todas las categorías que se predicen. Siempre dan la bienvenida a los usuarios para que presenten sus propias ideas creativas, incluyendo la adición de nuevos puntos de datos para enriquecer aún más su conjunto de datos públicos. Esta práctica ha sido consistente desde 2011 y se ha demostrado que invertir en la calidad de los datos y la ingeniería de datos son, en la mayoría de los casos, las opciones más inteligentes para superar los cuellos de botella.

Además de confiar en el conjunto distinguido de los mejores métodos de su clase, la comunidad de Machine Learning ha sido capaz de producir colectivamente durante décadas.

Historial hasta la fecha de predicciones

Se actualiza también la tabla acumulativa que compila todas las predicciones entre los Oscar 2018 y 2023 y las tasas de éxito correspondientes para las categorías principales. Además de las elecciones principales que BigML comparte anualmente, esta tabla muestra cómo mejora la métrica de precisión si también consideramos las películas que recibieron las dos (2 principales) o las tres (3 principales) puntuaciones más altas. Solo los Top Picks tuvieron una tasa de éxito promedio del 70%, mientras que la cobertura alcanza 93% con el Top 3 tomado en cuenta.

NOTA: Las predicciones de guiones originales y adaptados se aplican solo a 2019-23.

Como pioneros de ML-as-a-Service, BigML, invita a poner a prueba rápidamente sus habilidades de aprendizaje automático con este caso de uso práctico y altamente accesible, sin la sobrecarga de tener que descargar e instalar muchos paquetes de código abierto o preocuparse por problemas de compatibilidad o mensajes de error difíciles de descifrar. Solo toma 1 minuto para crear una cuenta nueva y aproximadamente el mismo tiempo para clonar el conjunto de datos de películas en tu cuenta.

Tags :

Author: Iván Torres
Author: Iván Torres

Iván Torres actualmente cuenta con una Maestría en Ciencias en Analítica de Negocios e Inteligencia Artificial Aplicada, otorgada por la Universidad de Charleston (West Virginia, USA), también es profesor de Ingeniería y Maestría en la Universidad TecMilenio, y ha contribuido en diferentes proyectos tecnológicos como analista, consultor y líder para empresas de ámbito internacional acumulando más de 15 años de experiencia en los campos de desarrollo de Software, Big Data, analítica de negocio e I.A. Editor de About Data Blog.

Deja un comentario

Related Post