Machine Learning Tarragona #181219

Machine Learning Tarragona es el resumen principal de noticias de Machine Learning (Aprendizaje Automático) y Deep Learning (Aprendizaje Profundo) para el área de Tarragona, España.

Los principales desarrollos en este campo, ya sean nuevas tecnologías, compañías o productos, procesados y simplificados para que lo puedas tener de forma fácil, simple y gratis!

Los ejemplos y tutoriales de Machine Learning permiten que los nuevos contenidos, muchas veces de gran complejidad, sean accesibles para una audiencia más amplia. A su vez, las técnicas y algoritmos de Machine Learning, ofrecen los últimos avances en investigación de forma más interesante y simple de comprender. Se incluye, también, ejemplos y técnicas de Python, ya que es uno de los lenguajes más utilizados en este campo.

Este contenido se complementa con información específica para el área de Tarragona, España.

Aprendizaje automático abierto y de opinión: los matices del uso de PyTorch de Facebook

Soumith Chintala de Facebook AI Research, líder del proyecto PyTorch, habla sobre el pensamiento detrás de su creación, y las elecciones de diseño y usabilidad que se hicieron. Facebook ahora está unificando los marcos de Machine Learning para investigación y producción en PyTorch, y Chintala explica cómo y por qué.
El lanzamiento de PyTorch 1.0 beta fue parte de la gran noticia en el festival de octubre de Machine Learning (ML), junto con fast.ai, Neuton y MLFlow. Dado que la inteligencia artificial es lo que es hoy en día, y Machine Learning impulsa gran parte de lo que está sucediendo allí, estas noticias causan repercusiones más allá de la comunidad de Machine Learning.
Chintala es el creador y líder de proyecto de PyTorch, uno de los principales marcos de Machine Learning. Después de su discurso principal, se habló con Chintala en varios temas, desde la motivación y estrategia de Facebook para PyTorch hasta los detalles específicos de su uso.
https://zd.net/2ILjGng

 

Alibaba ya tiene un asistente de voz mucho mejor que el de Google

Navega por las interrupciones y otras características difíciles de la conversación humana para responder a millones de solicitudes al día.

En mayo de 2018, Google creó un gran revuelo cuando reveló Duplex, su asistente de voz inquietantemente humano, capaz de hacer reservaciones en restaurantes y citas en salones de belleza. Parecía marcar un nuevo hito en la generación del habla y comprensión del lenguaje natural, y abrió el telón sobre cómo sería el futuro de la interacción humano-Inteligencia Artificial.

Pero mientras Google implementa lentamente la función en un lanzamiento público limitado, el asistente de voz de Alibaba ya ha estado trabajnado horas extras. El 2 de diciembre, en la conferencia de Sistemas de procesamiento de información neuronal de 2018, una de las reuniones anuales más grandes para la investigación de Inteligencia Artificial, Alibaba realizó una demostración del agente de Inteligencia Artificial de servicio al cliente para su empresa de logística Cainiao. Jin Rong, decano del Laboratorio de Tecnología e Inteligencia Artificial de Alibaba, dijo que el agente ya está atendiendo a millones de solicitudes de clientes al día.

https://bit.ly/2REiLZD

 

AlphaFold: Usando Inteligencia Artificial para el descubrimiento científico

AlphaFold se basa en años de investigación previa en el uso de vastos datos genómicos para predecir la estructura de las proteínas. Los modelos 3D de proteínas que genera AlphaFold son mucho más precisos que cualquiera de los anteriores, lo que supone un progreso significativo en uno de los principales desafíos de la biología.

Las proteínas son moléculas grandes y complejas, esenciales para mantener la vida. Casi todas las funciones que realiza nuestro cuerpo (contraer los músculos, detectar la luz o convertir los alimentos en energía) se pueden rastrear en una o más proteínas y en cómo se mueven y cambian. Las recetas para esas proteínas, llamadas genes, están codificadas en nuestro ADN.

Descubrir la forma 3D de una proteína exclusivamente a partir de su secuencia genética es una tarea compleja que los científicos han encontrado desafiante durante décadas. El desafío es que el ADN solo contiene información sobre la secuencia de los bloques de construcción de una proteína llamados residuos de aminoácidos, que forman cadenas largas. Predecir cómo se plegarán esas cadenas en la intrincada estructura 3D de una proteína es lo que se conoce como el "problema de plegamiento de proteínas".

La capacidad de predecir la forma de una proteína es útil para los científicos porque es fundamental para comprender su función dentro del cuerpo, así como para diagnosticar y tratar enfermedades que se cree están causadas por proteínas mal plegadas, como el Alzheimer, Parkinson, Huntington y la fibrosis quística.

https://bit.ly/2RwptAA

 
Tu opinión es muy importante! Deja tu comentario con sugerencias o ideas de cómo mejorar este servicio.

Puedes seguir noticias y eventos en facebook: https://www.facebook.com/machinelearningtarragona

#machinelearning #deeplearning #tarragona