En Machine Learning Tarragona (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).

Cómo esta startup de 3 años está utilizando Inteligencia Artificial / Machine Learning para implementar y administrar 25,000 sistemas de administración de baterías

Desde la última década, la industria automotriz ha experimentado avances tecnológicos que han transformado el panorama automotriz. Para mantenerse al día con la creciente demanda, casi todos los principales fabricantes de automóviles han lanzado o tienen planes de sumergirse en el mercado de vehículos eléctricos.

ION Energy, con sede en Mumbai, nació del deseo de abordar la amenaza de la degradación climática al permitir una solución de movilidad mucho más amigable con el medio ambiente. Fundada en 2016, ION adquirió un desarrollador francés de sistemas de gestión de batería (BMS) de 8 años, Freemens SAS, en una primera adquisición transfronteriza de su tipo. En 2018, ION salió del modo sigiloso y presentó su primer producto UDYR, una batería portátil para scooters eléctricos y comenzó a comercializar su plataforma BMS insignia.

Para saber más sobre esta industria, nos pusimos en contacto con Akhil Aryan, cofundador y CEO de ION Energy para nuestra columna semanal Deep Dive. Durante la interacción, Aryan también habló sobre cómo ION está utilizando con éxito Inteligencia Artificial y Machine Learning para implementar y administrar 25,000 BMS y está capacitando a más de 60 organizaciones en 12 países en todo el sudeste de Asia, América del Norte y Europa.

ION Energy es una plataforma avanzada de gestión de batería e inteligencia. Se centra en la construcción de tecnologías que mejoran la vida útil y el rendimiento de las baterías de iones de litio que alimentan los vehículos eléctricos y los sistemas de almacenamiento de energía.

http://bit.ly/34utBab

 

6 elementos esenciales para combatir el fraude con Machine Learning

Lo escuchamos todo el tiempo: la prevención del fraude es difícil porque los estafadores cambian y se adaptan continuamente. En el momento en que descubres cómo reconocer y prevenir una estafa, emerge una nueva para tomar su lugar.

Naturalmente, entonces, la mejor tecnología para combatir el fraude es aquella que puede cambiar y adaptarse tan rápido como las tácticas del estafador. Eso es lo que hace que los sistemas de Machine Learning (ML) sean perfectos para combatir el fraude. Cuando se diseñan de manera óptima, aprenden, adaptan y descubren patrones emergentes sin la sobreadaptación que puede dar lugar a demasiados falsos positivos.

Tradicionalmente, las organizaciones se han basado en sistemas basados ​​en reglas para detectar el fraude. Las reglas emplean lógica si-entonces que puede ser exhaustiva para descubrir patrones conocidos de fraude. Y aunque las reglas siguen siendo una herramienta importante para combatir el fraude, especialmente en combinación con enfoques avanzados, se limitan a reconocer patrones que ya conoce y puede programar en la lógica. No son eficaces para adaptarse a los nuevos patrones de fraude, descubrir esquemas desconocidos o identificar técnicas de fraude cada vez más sofisticadas.

Es por eso que cada vez más industrias están adoptando ML e Inteligencia Artificial para la detección de fraudes. Una investigación reciente realizada por SAS y la Asociación de Examinadores de Fraude Certificados, encontró que solo el 13% de las organizaciones en todas las industrias aprovechan estas tecnologías para detectar y disuadir el fraude. Otro 25% planea incorporarlos a sus programas antifraude en los próximos dos años, un salto cercano al 200%.

http://bit.ly/2Y8gzgL

 

CTO de Dell Technologies: por qué la Inteligencia Artificial necesita empatía

Si queremos que los humanos confíen en la Inteligencia Artificial (IA), entonces debemos enseñarles empatía a las máquinas, según John Roese, CTO y presidente de productos y operaciones de Dell Technologies.

Roese se unió a otros CTO de empresas de Dell Technologies en un panel en la Cumbre de Tecnologías de Dell de la semana pasada: Michael Morton de Dell Boomi y Zulfikar Ramzan de RSA. Boomi es una empresa de gestión de datos que permite a las empresas integrar y transferir datos entre aplicaciones en la nube y locales. RSA es una compañía de seguridad cuyos fundadores fueron pioneros en la criptografía de clave pública.

Los tres CTO discutieron tres grandes problemas en la era de los datos: ¿cómo se ve la infraestructura en un entorno de datos en tiempo real basado en Inteligencia Artificial (AI)? ¿Qué roles jugarán los humanos en una tubería de datos en tiempo real impulsada por la Inteligencia Artificial? ¿Y cómo será el modelo de riesgo de seguridad en este nuevo mundo de Inteligencia Artificial?

Estas son tres personas muy, muy inteligentes (no tanto comediantes como admitieron rápidamente). Y, como tal, todos tenían algunas ideas realmente interesantes sobre la Inteligencia Artificial. Pero uno, en particular, que me llamó la atención fue la Inteligencia Artificial empática. Es un tema sobre el que Roese dijo que "ha hablado bastante en el mundo de la Inteligencia Artificial". De hecho, participará en un panel relacionado con este tema en SWSX en marzo de 2020.

Los avances en Inteligencia Artificial no sucederán a menos que los humanos puedan confiar en Machine Learning, dijo Roese. Y en este momento, hay una gran brecha de confianza.

"La Inteligencia Artificial es una caja negra para la mayoría de los seres humanos, y no confiamos en ella porque no entendemos lo que está sucediendo dentro de ella", dijo Roese, y agregó que "su sospecha está bien fundada". La Inteligencia Artificial trabaja en función de los datos que proporciona. No contempla tus emociones, tu felicidad. Básicamente, es tomar un conjunto de datos y encontrar la mejor respuesta posible sin ningún contexto de si es así o no".

http://bit.ly/2RxKvlo

 
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