Machine Learning España #181225

Machine Learning España es el resumen principal de noticias de Machine Learning (Aprendizaje Automático) y Deep Learning (Aprendizaje Profundo) de España.

Los principales desarrollos a nivel mundial 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 España.

Amnistía Internacional ha utilizado MAchine Learning para cuantificar la escala de abuso contra las mujeres en Twitter

Un nuevo estudio realizado por Amnistía Internacional y Element AI intenta poner números en un problema que muchas mujeres ya conocen: que Twitter es un pozo de abuso y acoso. Realizado con la ayuda de 6,500 voluntarios, el estudio, anunciado por Amnistía Internacional como "el más grande en la historia" de abusos contra mujeres, utilizó un software de Machine Learning de Element AI para analizar los tweets enviados a una muestra de 778 mujeres con cargos políticos y periodistas durante 2017. Encontró que el 7,1 por ciento, o 1,1 millones, de esos tweets fueron "problemáticos" o "abusivos", lo que Amnistía Internacional dijo que equivale a un tweet abusivo enviado cada 30 segundos.

En un sitio web interactivo que desglosa la metodología y los resultados del estudio, el grupo de defensa de los derechos humanos dijo que muchas mujeres censuran lo que publican, limitan sus interacciones en Twitter o simplemente abandonan la plataforma por completo: "En un momento decisivo cuando las mujeres de todo el mundo están usando su poder colectivo para amplificar sus voces a través de las plataformas de redes sociales, el hecho de que Twitter no haya implementado de manera coherente y transparente sus propios estándares comunitarios para enfrentar la violencia y el abuso significa que las mujeres están siendo empujadas hacia atrás, hacia una cultura de silencio ".

https://tcrn.ch/2SV9o7W

 

El año que Alexa creció

Es justo decir que cuando Amazon presentó al primer altavoz Echo en el otoño de 2014, la mayoría de las personas no estaban muy seguras de qué pensar. En los años siguientes, Echo y un amplio universo de dispositivos con tecnología de Alexa han pasado de la curiosidad a la ubicuidad. Pero si bien se puede encontrar a Alexa en casi todo (incluido, sí, un microondas), el verdadero progreso del asistente de voz de Amazon realizado en 2018 provino menos de la amplitud que de la profundidad.

Eso no quiere decir que no haya tenido ganancias de escala. El asistente de voz de Amazon ha duplicado la cantidad de países donde está disponible, para empezar, aprendiendo a hablar francés y español en el camino. Más de 28,000 dispositivos domésticos inteligentes funcionan con Alexa ahora, seis veces más que a principios de año. Y más de 100 productos distintos han incorporado a Alexa. Si está buscando algún tipo de punto de inflexión, tenga en cuenta que, a partir del mes pasado, puede comprar un Big Billy Bass compatible con Alexa.

Sin embargo, es la forma en que Alexa evoluciona internamente lo que se ha redefinido este año, y cómo seguirá avanzando hacia su máximo potencial en los que vendrán. Alexa se ha vuelto más inteligente, de maneras tan sutiles que tal vez ni siquiera lo hayas notado.

https://bit.ly/2V8dOue

 

El proyecto que está mapeando cada panel solar en los Estados Unidos utilizando Machine Learning

La energía renovable es el futuro, pero en la actualidad nadie está contabilizando quién tiene paneles solares en su techo, en su patio trasero o en una instalación compartida en su comunidad. Afortunadamente, los paneles solares generalmente funcionan mejor cuando se exponen a la luz. Eso los hace fáciles de detectar y contar desde un satélite, que es lo que está haciendo el proyecto DeepSolar.

Hay una serie de iniciativas para recopilar esta información: algunas reguladas, otras voluntarias y otras automatizadas. Pero ninguno de ellos es lo suficientemente completa o precisa como para basar decisiones políticas o comerciales a nivel nacional o estatal.

Los ingenieros de Stanford (mecánicos y civiles, respectivamente) Arun Majumdar y Ram Rajagopal decidieron remediar esto con lo que parece, en retrospectiva, una solución bastante obvia.

Los sistemas de Machine Learning son excelentes para mirar imágenes y encontrar objetos para los que han sido "entrenados" para reconocer, ya sean gatos, caras o coches ... ¿por qué no paneles solares?

https://tcrn.ch/2V466ku

 
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/machinelearningespana

#machinelearning #deeplearning #espana #españa