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.

Las empresas más novedosas del 2019 en herramientas de Machine Learning y Ciencia de Datos

La Ciencia de Datos, Machine Learning e Inteligencia Artificial son grandes campos en Big Data en este momento, ya que los científicos de datos y las herramientas que utilizan juegan un papel cada vez más importante en el análisis y la obtención de valor a partir de Big Data.

Se espera que el mercado global para las plataformas de Ciencia de Datos crezca en un CAGR de casi el 39 por ciento desde ahora hasta el 2021 cuando alcance los $ 101,4 mil millones, según un pronóstico de MarketsandMarkets.

Como parte de Big Data 100 de 2019, hemos reunido una lista de empresas que ofrecen productos de ciencia de la información y Machine Learning:

Big Squid
Big Squid desarrolla la plataforma de Machine Learning llamada Kraken que utilizan los científicos de datos para ayudarse con el desarrollo de modelos y los analistas e incluso usuarios de negocios para desarrollar perspectivas analíticas a partir de grandes volúmenes de datos. La compañía enfatiza la facilidad de uso y la capacidad de Kraken para mejorar la accesibilidad de los datos y las acciones prescriptivas.

Dataiku
Dataiku ofrece la plataforma de Ciencia de Datos colaborativa Dataiku DSS que permite a los equipos de científicos de datos, analistas de datos e ingenieros explorar, crear prototipos, construir y desplegar sistemas basados ​​en Machine Learning e Inteligencia Artificial para tareas como la gestión de datos, la previsión de la demanda, el análisis espacial, detección de fraudes, optimización del valor de por vida y CRM analítico.

DataRobot
DataRobot desarrolla una plataforma de Machine Learning que simplifica la construcción y el despliegue de modelos predictivos precisos. El sistema incorpora el conocimiento, la experiencia y las mejores prácticas de algunos de los principales científicos de datos del mundo, según la compañía.

Domino Data Lab
La plataforma de Ciencia de Datos de Domino proporciona un sistema unificado donde los científicos de datos colaboran para construir, validar, entregar y monitorizar modelos de negocios, ayudando a las organizaciones a instituir Ciencia de Datos como una disciplina para toda la empresa.

H20.ai
H2O ha desarrollado una serie de sistemas de aprendizaje de código abierto e Inteligencia Artificial para crear aplicaciones de análisis predictivo de Big Data, incluyendo H2O, AutoML, Sparkling Water y H2O Driverless Inteligencia Artificial.

Inmuta
Immuta proporciona software de gestión de datos empresariales que los científicos de datos, propietarios de datos y administradores de datos utilizan para localizar, acceder, compartir, controlar y monitorizar datos.

Knime
La plataforma de integración de datos y minería de datos de Knime utiliza un sistema de "análisis guiado" para automatizar los procesos de Ciencia de Datos.

RapidMiner
La plataforma de Ciencia de Datos de RapidMiner es utilizada por los equipos de análisis y análisis de datos que realizan tareas de preparación de datos, Machine Learning y despliegue de modelos predictivos.

http://bit.ly/30ug0if
 

Cómo la Inteligencia Artificial y Machine Learning están cambiando la ciberseguridad

La Inteligencia Artificial (IA) es la inteligencia desarrollada por las máquinas, y Machine Learning es una parte de la Inteligencia Artificial.

Generalmente, en Machine Learning, los ordenadores aprenden por su cuenta. Machine Learning crea la capacidad de adquirir y absorber conocimientos en ordenadores sin la escritura de programas predeterminada y abierta.

Machine Learning, un subtema de la Inteligencia Artificial, se dirige hacia la expansión tecnológica del conocimiento y la inteligencia humana. Machine Learning permite a los ordenadores enfrentar circunstancias desconocidas, ubicaciones, arreglos mediante el uso de análisis, autoformación, observación y experiencia. Machine Learning facilita la progresión ininterrumpida de la computación al someter a los ordenadores a una gran cantidad de configuraciones diferentes, no probadas o desconocidas, así como desafíos, innovaciones, versiones, etc..

Machine Learning ha sido introducido a la ciberseguridad.

La Inteligencia Artificial y Machine Learning se están reuniendo para reducir el crimen, tanto en el mundo digital como en la vida real. La Inteligencia Artificial, adecuadamente descrita como la "Revolución industrial de nuestro tiempo", se está convirtiendo progresivamente en un factor influyente en nuestro arsenal de seguridad cibernética para proteger, percibir y computarizar la respuesta a incidentes.

La ciberseguridad es una de las áreas que más se beneficia de Machine Learning. Con la Inteligencia Artificial y Machine Learning ganando prominencia en el panorama de la ciberseguridad, se están construyendo a medida diferentes tipos de técnicas de Machine Learning para llegar al fondo de problemas específicos de la ciberseguridad.

Además, la implementación de múltiples soluciones de Inteligencia Artificial o de Machine Learning magnifica la actitud de defensa en profundidad hacia la seguridad. Gracias a la Inteligencia Artificial, Machine Learning y la aceptación de estas soluciones, los aspectos básicos de la defensa cibernética y la ofensiva se están transformando.
http://bit.ly/2HrOgDl

 

FPGAs abre sus puertas en Machine Learning

Los arreglos de puertas programables de campo (Field Programmable Gate Arrays - FPGAs) han logrado algunos logros notables como una plataforma para Machine Learning, siendo el ejemplo más notable la adopción por parte de Microsoft de la tecnología en Azure. Pero para este tipo de trabajo, las arquitecturas competidoras como GPU, CPU y ASIC personalizados, significan que las perspectivas a largo plazo para los FPGA en esta categoría de aplicaciones dependerán de qué tan bien los proveedores como Intel y Xilinx puedan aprovechar al máximo estos dispositivos.

Gaurav Singh, vicepresidente corporativo de Xilinx de arquitectura y verificación de silicio, comentó cómo su compañía ve el camino a seguir para FPGA en el espacio de Machine Learning y los atributos únicos que aportan. El elemento más importante de esto es jugar con las fortalezas de estos dispositivos. Para aplicaciones de Machine Learning, eso significa usar principalmente FPGAs para inferencia, en lugar de entrenamiento.

El razonamiento aquí es bastante sencillo: la inferencia requiere una precisión menor y una menor intensidad computacional que el entrenamiento, que se ajusta mejor a las capacidades de punto flotante más limitadas de los FPGA, al menos en comparación con una GPU moderna. "Para el entrenamiento, es una carrera de armamentos en términos de quién puede construir el sistema más grande y más malo", observó Singh.

http://bit.ly/30xp3yY

 
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