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.

Amnistía Internacional ha utilizado MAchine Learning para cuantificar la escala de abuso contra las mujeres en Twitter

Un nuevo estudio realizado por Amnistía Internacional y Element AI intenta poner números en un problema que muchas mujeres ya conocen: que Twitter es un pozo de abuso y acoso. Realizado con la ayuda de 6,500 voluntarios, el estudio, anunciado por Amnistía Internacional como "el más grande en la historia" de abusos contra mujeres, utilizó un software de Machine Learning de Element AI para analizar los tweets enviados a una muestra de 778 mujeres con cargos políticos y periodistas durante 2017. Encontró que el 7,1 por ciento, o 1,1 millones, de esos tweets fueron "problemáticos" o "abusivos", lo que Amnistía Internacional dijo que equivale a un tweet abusivo enviado cada 30 segundos.

En un sitio web interactivo que desglosa la metodología y los resultados del estudio, el grupo de defensa de los derechos humanos dijo que muchas mujeres censuran lo que publican, limitan sus interacciones en Twitter o simplemente abandonan la plataforma por completo: "En un momento decisivo cuando las mujeres de todo el mundo están usando su poder colectivo para amplificar sus voces a través de las plataformas de redes sociales, el hecho de que Twitter no haya implementado de manera coherente y transparente sus propios estándares comunitarios para enfrentar la violencia y el abuso significa que las mujeres están siendo empujadas hacia atrás, hacia una cultura de silencio ".

https://tcrn.ch/2SV9o7W

 

Machine Learning en acción para el sector humanitario

Los gobiernos de todo el mundo se reunieron en Marrakech para ratificar un pacto para mejorar la cooperación en materia de migración internacional. Entre otros objetivos, el Pacto Mundial para la Migración busca utilizar "datos precisos y desagregados como base para políticas basadas en evidencia". ¿Cómo pueden ayudar las tecnologías de Machine Learning en cuestiones sociales profundamente polarizadas como la migración?

A principios de 2018, con el apoyo de la Ciudadanía Corporativa de IBM y el Ministerio Danés de Asuntos Exteriores, IBM y el Consejo Danés para los Refugiados (DRC) se embarcaron en una asociación dirigida directamente a la necesidad de comprender mejor los impulsores de la migración y la orientación de políticas basadas en evidencia para un rango de las partes interesadas. En el discurso de THINK Copenhagen, el Secretario General de la RDC, Christian Friis Bach, presentó los primeros resultados de este esfuerzo.

En este artículo se verá el desarrollo de un sistema de Machine Learning que proporciona pronósticos estratégicos de migración mixta junto con el análisis de escenarios. La migración mixta se refiere a los movimientos transfronterizos de personas que están motivados por una multiplicidad de factores para moverse, incluidos los refugiados que huyen de la persecución y el conflicto, las víctimas del tráfico de personas, y las personas que buscan mejores vidas y oportunidades. Tales poblaciones tienen una variedad de estatus legales, algunos de los cuales no se reflejan en las estadísticas oficiales del gobierno.

Comprender la dinámica de la migración y sus motivos es intrínsecamente complejo. Las circunstancias difieren de persona a persona. La pregunta "¿por qué has decidido mudarte?" no es fácil de responder. Sin embargo, en la medida en que las decisiones individuales reflejen factores sociales estructurales, la dinámica puede explicarse parcialmente mediante medidas agregadas. Por ejemplo, se puede esperar que los motivos económicos del movimiento estén relacionados con las oportunidades de empleo y, por lo tanto, con los indicadores macroeconómicos del empleo. Estos desafíos se ven agravados por la disponibilidad de datos y la cobertura de indicadores específicos.

https://bit.ly/2Wgz01u

 

Automatización profunda en Machine Learning

En un artículo anterior hablamos sobre las aplicaciones del Machine Learning (ML) para el desarrollo de software, que incluyó un recorrido a través de herramientas de gestión de datos en ciencia de datos y para administrar infraestructura de datos. Desde entonces, Andrej Karpathy ha hecho algunas predicciones más sobre el destino del desarrollo de software: prevé un Software 2.0, en el que la naturaleza del desarrollo de software ha cambiado fundamentalmente. Los seres humanos ya no implementan código que resuelve problemas de negocios; en su lugar, definen comportamientos deseados y entrenan algoritmos para resolver sus problemas. Mientras escribe, "una red neuronal es una pieza de código mejor que cualquier cosa que usted o yo podamos encontrar en una gran fracción de verticales valiosos". No escribiremos código para optimizar la programación en una planta de fabricación: estaremos entrenando algoritmos de Machine Learning para encontrar un rendimiento óptimo basado en datos históricos.

Si los humanos ya no son necesarios para escribir aplicaciones empresariales, ¿qué hacemos? Los humanos todavía son necesarios para escribir software, pero ese software es de un tipo diferente. Los desarrolladores de Software 1.0 tienen una gran cantidad de herramientas para elegir: IDE, herramientas de CI / CD, herramientas de prueba automatizadas, etc. Las herramientas para Software 2.0 apenas comienzan a existir: una gran tarea en los próximos años es desarrollar los IDE para Machine Learning, además de otras herramientas para la gestión de datos, la gestión de tuberías (pipeline), la limpieza de datos, la procedencia de datos y el linaje de datos.

https://oreil.ly/2EVP0ju

 
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