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.

Sparta Science busca cambiar las técnicas de prevención de lesiones a través de la Inteligencia Artificial y Machine Learning

Hay muchas habilidades y rasgos utilizados para evaluar a los atletas, pero nunca han sido indicadores confiables. Es por eso que los jugadores no reclutados como JJ Watt pueden convertirse en Super-Profesionales en la NFL y, justo ayer, Trent Brown, cuatro años después de una selección de séptima ronda en el Draft de la NFL 2015, se convirtió en el línea ofensivo mejor pagado de la historia. Si bien ocurrirán excepciones como esta, un rasgo atlético, la habilidad de un atleta para mantenerse saludable en el campo o en la cancha, a menudo puede marcar la diferencia entre una temporada exitosa y una carrera profesional productiva.

Brian Dawkins, ex responsable de seguridad de la NFL, lo expresó mejor y de manera más eficiente cuando declaró "La mejor habilidad es la disponibilidad" en 2014. Si bien se habían producido muchos avances antes de 2014, ha habido una avalancha de nuevas tecnologías en los últimos cinco años y muchos profesionales y equipos colegiados ahora aceptan más los modelos basados ​​en datos enfocados en la prevención de lesiones.

En solo dos semanas, los Padres de San Diego y los Phillies de Filadelfia han otorgado contratos por $300 millones y $330 millones, respectivamente, por 10 años y 13 años cada uno a Manny Machado y Bryce Harper. La década de 2020 ni siquiera ha comenzado, pero los Phillies le pagarán a Harper más de $25 millones por año hasta el 2032, sin importar si juega 162 juegos cada año o 0. Si bien Harper es un talento generacional y ciertamente merece un compromiso significativo, es fácil ver por qué los Phillies y los equipos en situaciones similares, con estrellas de alto precio, se están enfocando más en la salud de sus jugadores, ya que esto afectará significativamente su capacidad para formar un equipo competitivo.

En respuesta, algunas empresas han podido ingresar al mercado. Uno de los más exitosos ha sido el de Sparta Science en Menlo Park, California. Sparta ha recaudado $9,7 millones en fondos y ha trabajado con los Cleveland Cavaliers de la NBA y los Colorado Rockies de la MLB en los esfuerzos de prevención de lesiones. Sparta también trabajó con los 49ers y los Detroit Lions y comenzó a trabajar con los Steelers el verano pasado. Los Steelers utilizaron el software de Sparta durante toda la temporada, obteniendo buenas críticas de parte de Garrett Giemont y del personal de entrenamiento de fuerza y ​​acondicionamiento de los Steelers. http://bit.ly/2Y5UCic

 

Boyd-Graber y Feng presentan un documento sobre la interpretación de Machine Learning

Investigadores de la Universidad de Maryland presentaron un estudio que mide la capacidad de interpretación de Machine Learning, es así como los ordenadores pueden explicar lo que piensan a los usuarios.

El estudio de Jordan Boyd-Graber, profesor asociado de ciencias de la computación con trabajos en el Instituto de Estudios Avanzados de Computación de la Universidad de Maryland, el iSchool y el Centro de Ciencias del Lenguaje, y Shi Feng, estudiante de doctorado de tercer año en ciencias de la computación, se basa en lo bien que los humanos y los ordenadores juegan como un equipo.

“¿Qué puede hacer la Inteligencia Artificial por mí ?: Evaluar las interpretaciones de Machine Learning en el juego cooperativo”, evalúa la interpretabilidad y la utilidad de Machine Learning para maximizar su efectividad en escenarios de toma de decisiones de la vida real.

“Los sistemas de Inteligencia Artificial están apareciendo en más y más lugares en nuestras vidas: nos dicen qué ver de nuevo en Netflix y cómo responder a los correos electrónicos”, dice Boyd-Graber, quien es el asesor académico de Feng. "¿Cómo sabemos si estos sistemas son buenos para las formas en que realmente queremos que se use la Inteligencia Artificial?"

Para responder a esta pregunta, los investigadores crearon una evaluación de la Inteligencia Artificial y sus explicaciones basándose en qué tan bien un equipo formado por un ordenador y un humano juegan un juego juntos. Juntaron a sujetos voluntarios, tanto expertos en trivia como novatos con un ordenador para jugar un juego de preguntas / respuestas de trivia.

Los investigadores descubrieron que los principiantes que están menos familiarizados con la tarea a menudo confían demasiado en los algoritmos de los ordenadores, y los métodos de interpretación existentes solo se centran en lo que la máquina predice y no en si se debe confiar en la máquina. Y mientras los expertos son engañados menos fácilmente, los investigadores dicen que quieren ver una explicación más detallada de lo que la máquina está pensando para que puedan examinar las predicciones de la máquina. http://bit.ly/2FE8EQR

 

McDonald's va a completar su mayor compra en los últimos 20 años con la adquisición de Dynamic Yield, una compañía especializada en inteligencia artificial

McDonald's amplía su cartera con la mayor adquisición que ha realizado en 20 años. El gigante de la comida rápida ha cerrado la compra de Dynamic Yield, una compañía tecnológica especializada en inteligencia artificial, en una operación valorada en 300 millones de dólares (265,2 millones de euros).

Con este movimiento McDonald's podrá personalizar sus menús, según avanzó Bloomberg. Y es que la tecnología de Dynamic Yield permitirá a la cadena estadounidense adaptar y personalizar  la oferta de los menús que se muestran en los tableros electrónicos dependiendo de la climatología, de la hora o de las preferencias de la región. Como ejemplo práctico, gracias a la tecnología de Dynamic Yield, basada en machine learning, los paneles reforzarán su oferta de cafés cuando hace frío o McFlurries en los días cálidos.

El desarrollo de Dynamic Yield también realizará sugerencias de aquellos productos que sean más rápidos de preparar en los restaurantes en los que la cocina esté muy concurrida o propuestas más elaboradas en aquellos locales más tranquilos. Además, los paneles de menús sugerirán a los clientes qué productos añadir a su elección.

El CEO de McDonald's, Steve Easterbrook, ha impulsado la tecnología como estrategia de crecimiento desde que asumió el cargo en 2015, con ejemplos tan claros como las pantallas de auto pedido, menús en pantallas digitales y la entrega a domicilio. Todos ellos son movimientos con miras a impulsar las cifras del gigante de la comida rápida por encima de las de sus competidores. “Esta tecnología tiene la capacidad y la flexibilidad para funcionar en todas nuestras plataformas digitales”, señaló el ejecutivo.

http://bit.ly/2FF4CYB

 
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