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.

Explore el mundo de la bioinformática con Machine Learning

La bioinformática es un campo de estudio que utiliza la computación para extraer conocimiento de datos biológicos. Incluye la recolección, almacenamiento, recuperación, manipulación y modelado de datos para análisis, visualización o predicción a través del desarrollo de algoritmos y software.

Podemos citarlo de una manera más simple: "La bioinformática trata con enfoques computacionales y matemáticos para comprender y procesar datos biológicos".

Es un campo interdisciplinario en el que se desarrollan nuevos métodos computacionales para analizar datos biológicos y hacer descubrimientos biológicos. Por ejemplo, dos tareas típicas en genética y genómica son los procesos de secuenciación y anotación del conjunto completo de ADN de un organismo. En neurociencias, las técnicas de neuroimagen, como la tomografía computarizada (CT), la tomografía por emisión de positrones (PET), la resonancia magnética funcional (fMRI) y la imagen del tensor de difusión (DTI), se utilizan para estudiar los cerebros in vivo y comprender el funcionamiento interno del sistema nervioso

La aplicación de Machine Learning a datos biológicos y de neuroimagen abre nuevas fronteras para la ingeniería biomédica: mejorar nuestra comprensión de enfermedades complejas como el cáncer o los trastornos neurodegenerativos y psiquiátricos. Los avances en este campo pueden conducir finalmente al desarrollo de herramientas de diagnóstico automatizadas y de medicina de precisión, que consiste en enfocarse en tratamientos médicos personalizados considerando la variabilidad individual, el estilo de vida y el medio ambiente.

http://bit.ly/2qLxb1h

 

La startup española de inteligencia artificial Recognai, premio al mejor uso de datos compartidos

El premio para startups del Data Pitch de Open Data Institute (ODI) ha recaído en la española Recognai. Se trata de  una spin-off de la Universidad Politécnica de Madrid, donde investigaba su cofundador Daniel Vila, nacida en 2017. "Hacemos soluciones de ciencia de datos e inteligencia artificial aplicada a texto. Aplicamos semántica computacional y aprendizaje automático a datos no estructurados para automatizar procesos de gestión de información tediosos y costosos", afirma Vila en entrevista con INNOVADORES.

El premio de ODI reconoce el mejor uso de los datos compartidos para resolver un desafío identificado. Este programa trabaja con emprendedores, corporaciones y gobiernos para ayudarles a compartir sus datos y a construir negocios sostenibles. "Queremos facilitar que sean capaces de obtener valor a partir de políticas de datos abiertos que exploten su potencial de innovación", subrayó durante la ceremonia de entrega de galardones la directora de programas de Innovación de ODI, Orsola De Marco.

En este caso, Recognai trabajó con el proveedor de datos alemán Uniserv para ayudar a mejorar sus sistemas de gestión de datos de clientes. Básicamente, la empresa española aplica su tecnología para limpiar los datos de dichos clientes, en su mayoría grandes bancos y aseguradoras.

http://bit.ly/2rmj9n9


 

Los nuevos algoritmos del experimento del solenoide de muón compacto utilizan las ideas utilizadas en el reconocimiento facial de teléfonos móviles para comprender mejor las colisiones en el Gran Colisionador de Hadrones (LHC)

Uno de los desafíos más emocionantes en el Gran Colisionador de Hadrones (LHC) es la identificación de nuestros eventos. Debemos reconstruir las partículas que viven durante una pequeña fracción de segundo observando la detección de sus productos de descomposición. Estos productos de descomposición a menudo producen aerosoles o “chorros” de partículas. Si la partícula original tiene un gran impulso, los chorros que se originan de sus productos de descomposición se fusionarán. Para realizar nuestros análisis, es necesario identificar qué tipo de partícula (bosones de Higgs, bosones W/Z, quarks, gluones, etc.) crearon los chorros en nuestro evento.

Esto es muy similar al reconocimiento facial. Quizás tu tablet pueda reconocer tu rostro para desbloquearse, lo que funciona mediante el uso de programas informáticos avanzados que implementan "Machine Learning" para extraer funciones de su rostro. Cuando compras tu tableta por primera vez, activas un modo especial de "entrenamiento" para enseñarle cómo se ve tu cara. Esto funciona al extraer automáticamente las características de tu cara y luego pasarlas a los algoritmos de toma de decisiones para determinar de dónde provienen.

Podemos usar las mismas técnicas de Machine Learning para identificar los orígenes de los jets. Por ejemplo, podemos observar las mediciones de energía y dirección de las partículas dentro de un chorro y proyectarlo en dos dimensiones para que se vea como una imagen normal. Los mismos algoritmos que pueden diferenciar entre dos caras diferentes también pueden diferenciar entre diferentes tipos de chorros. Un ejemplo particularmente útil es cuántos "puntos calientes" existen dentro del chorro. Resulta que las partículas más pesadas (como los bosones de Higgs o los quarks superiores) tendrán múltiples "puntos calientes", mientras que las partículas más ligeras (como los quarks o los gluones) tienden a tener solo una. Finalmente superponemos muchos eventos para mostrar características que son difíciles de ver en un solo evento.

http://bit.ly/2q0xWDk

 
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