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.

La tecnología de Machine Learning de Farmstead predice con precisión la demanda de los clientes

Farmstead se puso en marcha con su lista de compras inteligentes para predecir lo que los clientes necesitan en función de múltiples factores basados ​​en datos, como el historial de compras semanales, las señales de compra y lo que ya está en su carrito. La última innovación de la tienda de comestibles en línea aprovecha la tecnología de Machine Learning para predecir la demanda de los clientes y ayudar a los compradores a construir sin problemas su lista de compras semanal de forma rápida y sencilla.

"Uno de los mayores desafíos para comprar comestibles en línea es construir su carrito de compras rápidamente", dijo Pradeep Elankumaran, cofundador, CEO y promotor de RIS en Pradesep Elankumaran. “Ya que no hay pasillos físicos para caminar como un supermercado tradicional, y solo se cuenta con el desplazamiento que se puede tomar en un pantalla, es un verdadero desafío ayudar a los clientes a encontrar los productos correctos en el momento adecuado y al mismo tiempo sugerir nuevos que les encantarán en los pocos minutos que pasan cada semana pulsando botones en línea".

La lista de compras inteligentes de Farmstead les brinda a los clientes una mejor opción: en lugar de comprar solo pasillo por pasillo, genera dinámicamente una lista infinita de productos altamente personalizados que pueden recorrer. Estos productos están clasificados por algoritmos de Machine Learning basados ​​en el comportamiento de compra y las preferencias de bienestar de los clientes, junto con el comportamiento colectivo de otros clientes que compran productos similares.

http://bit.ly/2WyIRmB

 

Machine Learning ayuda a los productores de camarones y vegetales a obtener una buena cosecha

La Inteligencia Artificial (IA) y Machine Learning han ingresado a las granjas de acuicultura y agricultura, lo que beneficia a los agricultores para reducir su trabajo y las incertidumbres de los métodos de prueba y error.

Gracias a la Inteligencia Artificial y las tecnologías de Machine Learning utilizadas por empresas como Coastal Aquaculture Research Institute (CARI) y Aibono Smart Farming Pvt Ltd, con sede en la ciudad, Bengaluru, los productores de camarones y vegetales pueden aumentar su rendimiento, reducir sus costos y tener un mejor acceso al mercado.

V. Geetha, que practica la acuicultura en Andhra Pradesh, ha dicho: “Antes de inscribirnos en el ‘FarmMOJO’ de CARI, una herramienta de asesoría de granjas basada en una aplicación de Inteligencia Artificial, solíamos anotar los datos críticos en un cuaderno y actuar en consecuencia. Pero no sabríamos cuánto alimentar a los camarones. Habría una alimentación excesiva o insuficiente.".

"Además de poner en riesgo la salud de los camarones y aumentar nuestros costos de alimentación, la sobrealimentación también aumenta el costo del agua porque la calidad del agua disminuye más rápido de lo que normalmente lo hace", dijo Arul Prakash, un graduado de ingeniería que ahora trabaja en el negocio de acuicultura en Chidambaram en Tamil Nadu.

Desde que se vinculó con CARI hace seis meses, dijo Prakash, la compañía se encarga de las pruebas de calidad del agua en su estanque y todos los datos requeridos están disponibles en su dispositivo móvil con sugerencias de medidas a tomar.

“Antes, la cantidad de alimento utilizado diferiría. Ahora usamos la cantidad correcta de alimento, lo que ha reducido el costo del alimento. El costo de los medicamentos también ha disminuido. Antes muchos sugerirían varias cosas diferentes. Ahora no basamos por lo que dice CARI ", comentó Prakash.

http://bit.ly/2xsGR0F

 

Redes neuronales recurrentes 101: comprensión de los conceptos básicos de RNN y LSTM

Las redes neuronales recurrentes (RNN) son el algoritmo más moderno para datos secuenciales y son utilizados por Siri de Apple y por la búsqueda de voz de Google. Es el primer algoritmo que recuerda su entrada, debido a una memoria interna, que lo hace perfectamente adecuado para problemas de Machine Learning que involucran datos secuenciales. Es uno de los algoritmos detrás de escena de los increíbles logros observados en Deep Learning en los últimos años. En esta publicación, cubriremos los conceptos básicos de cómo funcionan las redes neuronales recurrentes, cuáles son los problemas más grandes y cómo resolverlos.


Introducción a las redes neuronales recurrentes

Los RNN son un tipo potente y robusto de red neuronal, y pertenecen a los algoritmos más prometedores en uso porque es el único con una memoria interna.

Como muchos otros algoritmos de Deep Learning, las redes neuronales recurrentes son relativamente antiguas. Fueron creados inicialmente en la década de 1980, pero solo en los últimos años hemos visto su verdadero potencial. Un aumento en el poder de cómputo junto con las enormes cantidades de datos con los que ahora tenemos para trabajar, y la invención de la memoria de corto plazo a largo plazo (LSTM) en la década de 1990, realmente ha puesto a RNN en primer plano.

Debido a su memoria interna, los RNN pueden recordar cosas importantes sobre la información que recibieron, lo que les permite ser muy precisas al predecir lo que vendrá a continuación. Es por eso que son el algoritmo preferido para datos secuenciales como series de tiempo, voz, texto, datos financieros, audio, video, clima y mucho más. Las redes neuronales recurrentes pueden formar una comprensión mucho más profunda de una secuencia y su contexto en comparación con otros algoritmos.

En pocas palabras: las redes neuronales recurrentes producen resultados predictivos en datos secuenciales que otros algoritmos no pueden.

http://bit.ly/32cHQR4

 
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