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.

Reconozca texto, caras y puntos de referencia: agregando Machine Learning a sus aplicaciones de Android

Machine Learning (ML) puede ayudarle a crear experiencias innovadoras, atractivas y únicas para sus usuarios móviles.

Una vez que haya dominado Machine Learning, puede usarlo para crear una amplia gama de aplicaciones, incluidas aplicaciones que organizan automáticamente las fotos según el tema, identifican y rastrean el rostro de una persona a través de una transmisión en vivo, extraen texto de una imagen y mucho más.

¡Pero Machine Learning no es exactamente para principiantes! Si desea mejorar sus aplicaciones de Android con potentes capacidades de Machine Learning, ¿dónde empiezar exactamente?

En este artículo se proporciona una descripción general de un SDK (Kit de desarrollo de software) que promete poner el poder de Machine Learning a su alcance, incluso si no tiene experiencia en Machine Learning. Al final de este artículo, tendrá la base que necesita para comenzar a crear aplicaciones inteligentes con tecnología Machine Learning que sean capaces de etiquetar imágenes, escanear códigos de barras, reconocer caras y puntos de referencia famosos, y realizar muchas otras tareas potentes de Machine Learning.

http://bit.ly/2ZiMmvE
 

El proyecto faro de Machine Learning para producción - ML4P

En el proyecto faro de Machine Learning 4 Production, seis Institutos Fraunhofer, bajo la coordinación del Instituto Fraunhofer de Optronics, Tecnologías de Sistemas y Explotación de Imágenes, IOSB en Karlsruhe se han unido para desarrollar un modelo de proceso asistido por herramientas y realizar herramientas de software interoperables relevantes para explotar sistemáticamente el potencial de optimización en las plantas de ingeniería de producción mediante el uso de métodos de Machine Learning.

Aprovechando los métodos de Machine Learning (ML), se pueden aprender relaciones desconocidas, se pueden modelar procesos y se pueden implementar mecanismos adaptativos que hacen que los sistemas de producción sean flexibles y rápidamente modificables. En contraste con los dominios de aplicación de Machine Learning que involucran enormes volúmenes de datos (procesamiento de imágenes, reconocimiento de voz, redes sociales, etc.), en el contexto industrial solo se involucra "una gran cantidad de datos", junto con un conocimiento experto detallado. En lo que respecta a la optimización sistemática del sistema, deben utilizarse ambos factores: todos los datos disponibles y toda la experiencia. En este contexto, no solo es interesante la tendencia de Deep Learning, sino también una amplia gama de otros métodos de Machine Learning especialmente adaptados que pueden trabajar con menos datos, a la vez que explota el conocimiento previo.

Sobre la base de una amplia experiencia en varios Institutos Fraunhofer, existe una gran demanda de esto, tanto en la industria de procesamiento como en la industria de fabricación de piezas, una demanda que a menudo se acompaña de la falta de experiencia en Machine Learning por parte de los usuarios. En consecuencia, el proyecto faro de Fralhofer Machine Learning 4 Production pretende abordar específicamente los problemas relacionados con la aplicación de los métodos de Machine Learning en el entorno de producción y desarrollar herramientas industriales para el uso eficiente de los métodos de Machine Learning. Los Institutos Fraunhofer que participan en ML4P cuentan con una excelente experiencia en Machine Learning, una impresionante cartera de métodos de Machine Learning a un alto nivel científico, una gran experiencia en aplicaciones en la industria, así como conocimientos en ingeniería de producción y ciencia de materiales. http://bit.ly/2Z5FQsi
 

Los equipos de CVTC barren los primeros lugares en una competencia de diseño centrada en el uso de herramientas digitales

Los estudiantes de Chippewa Valley Technical College han barrido los dos primeros lugares en una nueva competencia nacional de diseño centrada en el uso de herramientas digitales en la industria.

El diseño de un grupo, un robot de aprendizaje Kara que demuestra cómo los mecanismos robóticos aprenden unos de otros, se ubicaron en primer lugar en la Competencia de Futuros 3D de la American Technical Education Association. El diseño de un segundo grupo de un brazo robótico y una pinza quedó en segundo lugar en la competencia.

"Los grupos trabajaron en dos proyectos de programas diferentes", dijo el instructor Mahmood Lahroodi. "Estaban aprendiendo conceptos de diseño mecánico a través del aprendizaje basado en proyectos y tuvieron la oportunidad de aprender y participar en la competencia al mismo tiempo".

El equipo de estudiantes de primer año de Diseño mecánico en el equipo de Kara Learning Robot incluyó a Jon Knapp de River Falls, Rick Hever de Hager City y Franklin Lozano de Baldwin. Los estudiantes de segundo año del equipo mecánico de pinzas y brazos incluyeron a Eric Wolle de Baldwin y Alex Husfloen de Ellsworth.

Andrew Boster fue miembro de ambos equipos, creando videos explicativos de tres minutos que constituyeron las entradas reales en la competencia. Lahroodi sugirió el proyecto de robot de aprendizaje para el primer equipo.

"Una herramienta que no ha tenido mucho uso hasta ahora en colegios técnicos y universidades es Machine Learning", dijo Boster al presentar el video ganador. "Machine Learning ha tenido un gran éxito en el campo del procesamiento de imágenes y lenguaje. Nuestro objetivo es aplicar las mismas ideas a los problemas de fuerza y ​​movimiento en los sistemas mecánicos".

http://bit.ly/2UIOcHG

 
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