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.

Tres tendencias a observar en Machine Learning e Inteligencia Artificial

La ciencia de los datos ha evolucionado rápidamente, con un número interminable de nuevas aplicaciones cada año. Los casos de uso recientes se centran en racionalizar el universo de datos eliminando las barreras que ralentizan la construcción de modelos, como los datos que faltan o los llamados Dirty Data, que lo componen aquellos datos erróneos, introducidos voluntaria o involuntariamente. Tres tendencias de machine learning que pueden revolucionar 2019:

1. Mejora de la calidad de los datos mediante la detección de valores atípicos
Las innovaciones como el Internet de las Cosas (IoT) y los datos no estructurados están produciendo exponencialmente más datos, lo que permite a las organizaciones descubrir conocimiento inesperado a partir de nuevas fuentes más granulares. Sin embargo, estas fuentes crecientes de datos introducen un mayor riesgo de producir modelos de Machine Learning que utilizan datos sucios y por lo tanto producen pronósticos inexactos. Los riesgos del Dirty Data van más allá de las malas previsiones: IBM estima que costarán aproximadamente 3,1 billones de dólares cada año a la economía de EE.UU.

2. Crecimiento continuo del procesamiento del lenguaje natural
El procesamiento del lenguaje natural (PLN / NLP), un subcampo de la inteligencia artificial que permite que los ordenadores procesen y actúen sobre el lenguaje humano y las consultas sobre este, ha crecido de forma explosiva durante el último año, principalmente a través de los chatbots y los asistentes de IA como Alexa. Pero el PLN está apareciendo en lugares nuevos e inesperados. Por ejemplo, Google interpreta ahora las búsquedas en lugar de simplemente buscar las palabras en sí mismas, y los fabricantes de automóviles están instalando asistentes de IA en sus vehículos para el reconocimiento facial e incluso para ofrecer recomendaciones musicales. Estas características permiten a las personas obtener rápidamente más información y controlar su entorno con comandos simples y menos clics.

3. Machine learning automatizado con IA
Los perfiles y habilidades de científicos de datos escasean y la creación de modelos es un proceso que requiere mucho tiempo, al incluir la limpieza de datos, la selección de modelos y muchas rondas de capacitación y pruebas, las cuales disminuyen la velocidad a la que se pueden implementar los modelos Machine Learning. Para combatir este problema, la IA se está utilizando tanto para crear como para afinar modelos, acelerando significativamente su construcción y permitiendo a los analistas que carecen de habilidades de codificación construir sus propios modelos.

http://bit.ly/2JqC72N

 

Las herramientas de Machine Learning ayudan a predecir los resultados de los ensayos clínicos

De acuerdo con un estudio realizado por investigadores en el MIT y publicado en Harvard Data Science Review, las tecnologías de Machine Learning pueden ayudar a predecir los resultados de los ensayos clínicos, lo que lleva a tiempos de aprobación de medicamentos más rápidos, costos más bajos y más financiamiento.

Los ensayos clínicos aleatorios son una tarea de alto riesgo para una amplia gama de partes interesadas, desde reguladores y líderes de empresas farmacológicas hasta pacientes y sus familias.

"Todos se ven afectados por el riesgo de que un medicamento falle en su proceso de ensayo clínico", dijo Andrew Lo, autor principal del estudio y director del Laboratorio de Ingeniería Financiera del MIT. "Con medidas más precisas del riesgo de desarrollo de medicamentos y dispositivos, esperamos alentar una mayor inversión en este punto de inflexión único en biomedicina".

El auge de los avances médicos, como las terapias inmunológicas, las terapias genéticas y las técnicas de edición de genes también han contribuido a la creciente complejidad de la innovación biomédica.

"Estos avances generan nuevas terapias para la investigación, cada una de las cuales requiere muchos años de investigación y pruebas clínicas, que cuestan cientos de millones a miles de millones de dólares y, sin embargo, a menudo enfrentan una alta probabilidad de fracaso", dijeron los investigadores.

http://bit.ly/2LAJ3wt

 

Los engaños profundos están mejorando, pero aún son fáciles de detectar

La Mona Lisa sonrió. Una gran y amplia sonrisa, seguida de lo que parecía ser una risa y el silencio de palabras que solo podían ser una respuesta al misterio que había engañado a sus espectadores durante siglos.

Una gran cantidad de personas estaban enojadas.

El "retrato vivo" de Mona, junto con las imágenes de Marilyn Monroe, Salvador Dali y otros, demostró la última tecnología en Deepfakes, medios aparentemente realistas que se generan mediante Machine Learning. Desarrollados por investigadores en el laboratorio de Inteligencia Artificial de Samsung en Moscú, los retratos muestran un nuevo método para crear videos creíbles a partir de una sola imagen. Con solo unas cuantas fotografías de rostros reales, los resultados mejoran dramáticamente, produciendo lo que los autores describen como "cabezas parlantes realistas". Los investigadores (de forma escalofriante) llaman al resultado "títere", una referencia a cómo las cuerdas invisibles parecen manipular el rostro objetivo. Y sí, podría, en teoría, ser usado para animar tu foto de perfil de Facebook. Pero no te asustes por tener cuerdas que maliciosamente te quiten el rostro.

"Nada me sugiere que solo usarás esto para generar engaños en casa. No a corto, mediano o incluso a largo plazo", dice Tim Hwang, director de Ética y Gobernabilidad de la Iniciativa de Harvard-MIT. Las razones tienen que ver con los altos costos y el conocimiento técnico para crear falsificaciones de calidad, barreras que no desaparecerán pronto.

http://bit.ly/2I6asmL

 
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