En Machine Learning España (TGN) encontrarás las principales noticias y ejemplos para conocer las tecnologías y aplicaciones de Machine Learning y Deep Learning.

De una manera fácil, simple y gratis, podrás aprender los últimos avances en las técnicas, librerías y algoritmos más utilizados. Se incluyen diferentes métodos y tutoriales para utilizar Pyhton, Tensorflow y otras tecnologías y herramientas de software en el campo del aprendizaje profundo (Deep Learning).

Uso de Machine Learning para estimar el riesgo de muerte cardiovascular

Los seres humanos son inherentemente reacios al riesgo: pasamos nuestros días calculando rutas y rutinas, tomando medidas de precaución para evitar enfermedades, peligros y desesperación.

Aún así, nuestras medidas para controlar el funcionamiento interno de nuestra biología pueden ser un poco más rebeldes.

Con eso en mente, un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT ideó un nuevo sistema para predecir mejor los resultados de salud: un modelo de Machine Learning que puede estimar, a partir de la actividad eléctrica de su corazón, el riesgo de un paciente de muerte cardiovascular

El sistema, llamado "RiskCardio", se centra en pacientes que han sobrevivido a un síndrome coronario agudo (SCA), que se refiere a una variedad de afecciones en las que hay una reducción o bloqueo de la sangre al corazón. Utilizando solo los primeros 15 minutos de la señal de electrocardiograma bruto (ECG) de un paciente, la herramienta produce una puntuación que ubica a los pacientes en diferentes categorías de riesgo.

Los pacientes de alto riesgo de RiskCardio, pacientes en el cuartil superior, tenían casi siete veces más probabilidades de morir de muerte cardiovascular en comparación con el grupo de bajo riesgo en el cuartil inferior. En comparación, los pacientes identificados como de alto riesgo por las métricas de riesgo existentes más comunes tenían solo tres veces más probabilidades de sufrir un evento adverso en comparación con sus contrapartes de bajo riesgo.

http://bit.ly/349bKWA

 

Uso de Machine Learning en capital de riesgo

Machine Learning puede ayudar a los inversores de capital de riesgo de múltiples maneras:

- Ayudar a los inversores a detectar brechas de mercado y tendencias generales;
- Realizar una mejor gestión de la cartera;
- Co-inversores y acuerdos coincidentes;
- Obtener inteligencia sobre el panorama de los competidores;
- Identificación de potenciales compradores;
- Crear modelos de precios / valoración más precisos.

En otras palabras, tiene el potencial de hacer que los inversores de riesgo sean mejores y estén más informados, incluso en la fase posterior a la inversión, donde necesitan ayudar a las empresas a crecer.

Todavía hay un caso de uso que no he enumerado, en el que nos centramos: usar datos para encontrar startups relativamente desconocidas y comprender de antemano su potencial de éxito. Nuestro objetivo ambicioso, por lo tanto, era tratar de tener una mejor idea de la probabilidad de éxito de una empresa sin utilizar el balance o los datos cuantitativos (por ejemplo, ingresos, etc.).

http://bit.ly/2BN5nvJ

 

Machine Learning en agricultura: los científicos están enseñando a ordenadores a diagnosticar el estrés de la soja

Los científicos de la Universidad Estatal de Iowa están trabajando hacia un futuro en el que los agricultores puedan usar aviones no tripulados para detectar e incluso predecir enfermedades y estrés en sus cultivos. Su visión se basa en Machine Learning, un proceso automatizado en el que la tecnología puede ayudar a los agricultores a responder al estrés de la planta de manera más eficiente.

Arti Singh, profesor asistente adjunto de agronomía, lidera un equipo de investigación multidisciplinario que recientemente recibió una subvención de $499,845 por tres años del Instituto Nacional de Alimentos y Agricultura del Departamento de Agricultura de los EEUU para desarrollar tecnología de Machine Learning que podría automatizar la capacidad de los agricultores para diagnosticar una variedad de tensiones importantes en la soja. La tecnología en desarrollo utilizaría cámaras conectadas a vehículos aéreos no tripulados, o UAV, para recopilar imágenes de los campos de soja a vista de pájaro. Una aplicación informática analizaría automáticamente las imágenes y alertaría al agricultor de los puntos problemáticos.

"En su forma más básica, Machine Learning es simplemente entrenar a una máquina para hacer algo que hacemos", dijo Singh. "Cuando quieres enseñarle a un niño qué es un auto, muéstrales autos. Esto es lo que estamos haciendo para entrenar algoritmos de ordenador, mostrando una gran cantidad de imágenes de varios estreses de soja para identificar, clasificar, cuantificar y predecir estreses en el campo."

http://bit.ly/36eLxaR

 
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