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.

Predecir el riesgo de insuficiencia cardíaca para pacientes con diabetes con la ayuda de Machine Learning

La insuficiencia cardíaca es una complicación potencial importante de la diabetes tipo 2 que ocurre con frecuencia y puede conducir a la muerte o discapacidad. Los resultados de los últimos ensayos revelaron que una nueva clase de medicamentos conocidos como inhibidores de SGLT2 puede ser útil para pacientes con insuficiencia cardíaca. Estas terapias también se pueden usar en pacientes con diabetes para prevenir la insuficiencia cardíaca en primer lugar. Sin embargo, una forma de identificar con precisión qué pacientes con diabetes tienen mayor riesgo de insuficiencia cardíaca sigue siendo difícil. Un nuevo estudio dirigido por investigadores del Hospital Brigham and Women's y UT Southwestern Medical Center revela un nuevo modelo derivado de Machine Learning que puede predecir, con un alto grado de precisión, la insuficiencia cardíaca futura entre pacientes con diabetes. Los hallazgos del equipo se presentan en la reunión científica anual de la Heart Failure Society of America en Filadelfia y se publican simultáneamente en Diabetes Care.

"Esperamos que este puntaje de riesgo pueda ser útil para los médicos en el terreno (médicos de atención primaria, endocrinólogos, nefrólogos y cardiólogos) que atienden a pacientes con diabetes y piensan qué estrategias se pueden usar para ayudarles", dijo el co-primer autor Muthiah Vaduganathan, MD, MPH, cardiólogo en el Brigham.

http://bit.ly/36fridg

 

El equipo de química aprovecha la 'Revolución de los datos' para resolver los problemas actuales en química

Matthew Sigman, distinguido profesor y presidente del departamento de química de la Universidad de Utah, es parte de una vanguardia de investigadores que resuelven problemas en química utilizando Ciencia de Datos y Machine Learning.

Sigman es parte de un equipo apoyado por la National Science Foundation que abarca cinco universidades encargadas de crear una nueva generación de químicos de datos a través de su Centro de Síntesis Asistida por Computadora (C-CAS). Además de Sigman, el equipo de C-CAS incluye al director del centro, Olaf Wiest, así como a Robert Paton, Nitesh Chawla, Abigail Doyle y Richmond Sarpong.

C-CAS combina Ciencia de Datos y Machine Learning con la química para transformar cómo se planifica y ejecuta la síntesis de moléculas orgánicas complejas. Como resultado, una nueva generación de químicos de datos y académicos de Machine Learning pueden ser entrenados y educados para abordar los complejos desafíos de la química sintética moderna.

"Estamos entusiasmados de trabajar con este equipo para crear flujos de trabajo utilizando Machine Learning para predecir cómo funcionarán las reacciones químicas", dijo Sigman. "Nuestro objetivo es convertir la química sintética de una ciencia principalmente empírica a usar herramientas de Ciencia de Datos para facilitar y agilizar el desarrollo de la química".

http://bit.ly/2Juj8DT

 

Este brazo protésico combina control manual con Machine Learning

Las prótesis mejoran cada año, pero la fuerza y ​​la precisión que obtienen no siempre se traducen en un uso más fácil o más efectivo, ya que los amputados solo tienen un nivel básico de control sobre ellas. Una vía prometedora que están investigando los investigadores suizos es hacer que una Inteligencia Artificial se haga cargo del control manual.

Para visualizar el problema, imagine a una persona con el brazo amputado por encima del codo que controla una extremidad protésica inteligente. Con sensores colocados en los músculos restantes y otras señales, pueden levantar su brazo con bastante facilidad y dirigirlo a una posición donde puedan agarrar un objeto sobre una mesa.

¿Pero qué pasa después? Los muchos músculos y tendones que habrían controlado los dedos se han ido, y con ellos la capacidad de sentir exactamente cómo el usuario quiere flexionar o extender sus dedos artificiales. Si todo lo que el usuario puede hacer es señalar un “agarre” o “liberación” genérico, eso pierde en gran medida lo que una mano es realmente buena para hacer.

Aquí es donde los investigadores de la École polytechnique fédérale de Lausanne (EPFL) se hacen cargo. Estar limitado a decirle a la mano que agarre o suelte no es un problema si la mano sabe qué hacer a continuación, algo así como cómo nuestras manos naturales encuentran "automáticamente" el mejor agarre para un objeto sin que tengamos que pensarlo. Los investigadores de robótica han estado trabajando en la detección automática de métodos de agarre durante mucho tiempo, y es una combinación perfecta para esta situación.

https://tcrn.ch/2JrIgv6

 
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