Clasificación de Intención Automatizada con Aprendizaje Profundo en Google Sheets

Este tutorial te guiará en la creación de un sistema de clasificación de intención directamente en Google Sheets, utilizando el poder del aprendizaje profundo y el modelo BERT. Combinaremos funciones de Google Apps Script con un modelo entrenado con Ludwig, una herramienta de Uber que simplifica la creación de modelos de aprendizaje profundo. El objetivo es automatizar la clasificación de intenciones de las palabras clave directamente en tus hojas de cálculo, eliminando la necesidad de scripts complejos en otros entornos.

Para seguir este tutorial, necesitarás conocimientos básicos de JavaScript y Google Apps Script. Familiarízate con el editor de secuencias de comandos de Google Sheets (Herramientas > Editor de secuencias de comandos). Además, necesitarás una cuenta de Google y acceso a Google Colab para entrenar el modelo BERT. Herramientas clave a utilizar: Google Apps Script, Ludwig de Uber, BERT, Google Colab y Ngrok para exponer la API localmente.

Comenzaremos leyendo datos de una hoja de Google. Usaremos la función `logKeywords()` en Google Apps Script para leer las primeras 10 palabras clave de la columna A e imprimirlas en la consola. Es esencial entender cómo interactuar con las hojas de cálculo desde Apps Script, incluyendo la obtención de datos y el manejo de errores. La documentación oficial de Apps Script es un recurso valioso para este proceso. Recuerda que puedes ver los registros en Stackdriver para depurar tu código.

El siguiente paso es aprender a agregar datos a la hoja de cálculo. Crearemos una nueva función llamada `addIDtoKeywords()` que añadirá una columna con una identificación numérica para cada palabra clave. Esto servirá como ejercicio de prueba para comprender cómo modificar y actualizar los datos en Google Sheets utilizando Apps Script. El código involucra la creación de una matriz de JavaScript con los IDs y su posterior escritura en una columna específica de la hoja.

Para interactuar con servicios externos, usaremos la función `fetchTranslation()` para realizar solicitudes de API. Adaptaremos el código del paso 11 de un codelab de Google para traducir palabras clave usando la API de Google Translate. Esto implica comprender cómo construir URLs de API, pasar parámetros y manejar las respuestas JSON. La clave es activar el servicio de traducción en la consola de Google Cloud y configurar una clave API.

Para la clasificación de intenciones, utilizaremos Ludwig, una herramienta de Uber que simplifica el desarrollo de modelos de aprendizaje profundo. Entrenaremos un modelo BERT utilizando un dataset de preguntas y categorías predefinidas. Este proceso implica subir el dataset a Google Colab, instalar las bibliotecas necesarias (TensorFlow, Ludwig, BERT) y ejecutar el script de entrenamiento. El resultado será un modelo capaz de predecir la intención de una pregunta.

Una vez entrenado el modelo, lo serviremos como una API utilizando Ludwig. Para hacerlo accesible desde Google Apps Script, usaremos Ngrok para crear una URL pública temporal. El código en Apps Script usará esta URL para enviar solicitudes HTTP POST con las palabras clave y recibir las predicciones de intención en formato JSON. Finalmente, se mostrarán los resultados en la hoja de cálculo de Google.