Contar con recursos prácticos y gratuitos marca la diferencia cuando se trata de aplicar servicios de inteligencia artificial en proyectos reales. IBM ofrece plataformas abiertas con código listo para usar, y conocerlas te permitirá acelerar tu trabajo con Watson y otras herramientas de la nube.
¿Qué recursos gratuitos de IBM puedes aprovechar?
Existen dos plataformas principales que IBM pone a disposición de cualquier desarrollador sin costo alguno.
¿Qué es IBM Developer Patterns?
La primera plataforma es developer.ibm.com/patterns [0:10]. Se trata de un repositorio con aplicaciones ya construidas que integran servicios de IBM. Dieciséis personas alrededor del mundo colaboran en su creación. Puedes filtrar por categoría, por ejemplo inteligencia artificial, y encontrar proyectos como una web app de machine learning capaz de contestar preguntas. Cada patrón incluye:
- Descripción completa de lo que hace la aplicación.
- Diagrama del flujo de datos.
- Tecnologías utilizadas, como TensorFlow, Python y Docker.
- Instrucciones paso a paso.
- Código fuente disponible en GitHub.
Todo es de uso abierto; lo único necesario es crear los servicios correspondientes dentro de tu cuenta de IBM Cloud e integrarlos con el proyecto [0:50].
¿Qué son los IBM Developer Recipes?
El segundo recurso es developer.ibm.com/recipes [1:02]. Son tutoriales más pequeños y concisos, organizados como una receta de cocina: vienen los "ingredientes" (herramientas y servicios que necesitas) y los pasos detallados para lograr el objetivo. Muchos de estos recipes están basados en microservicios, lo que los hace ideales para arquitecturas modernas.
¿Qué temas se cubrieron sobre Watson?
A lo largo del curso se trabajaron las tres gamas de Watson [1:22]:
- Watson totalmente entrenado: servicios listos para usar sin necesidad de entrenamiento adicional.
- Watson parcialmente entrenado: servicios que requieren cierta configuración y datos propios.
- Watson bebé: servicios que parten de cero y necesitan un entrenamiento completo.
El recorrido comenzó con el manejo del lenguaje natural, donde se exploró la analítica aplicada a textos. Después se pasó a funcionalidades más pragmáticas como Speech to Text y Text to Speech [1:40]. Lo interesante fue la integración de estos tres servicios: no solo se podía interactuar con un chatbot entrenado escribiendo, sino que también fue posible hacerle una llamada telefónica y mantener una conversación hablada.
¿Cómo se logró una solución de extremo a extremo?
El paso final consistió en utilizar IBM Cloud Functions para escribir y consultar datos en una base de datos [1:55]. Esto permitió construir una solución completa, de principio a fin: desde mantener una conversación con Watson hasta almacenar y recuperar información de forma automática. El proyecto final integraba todo este flujo, demostrando cómo cada pieza se conecta para formar un sistema funcional.
Si ya completaste el proyecto, el siguiente paso natural es presentar el examen de certificación y compartir tu experiencia. ¿Qué servicio de Watson te resultó más útil o cuál te gustaría explorar con mayor profundidad?
