Machine Learning España #190322

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.

Machine Learning ayuda al software a llenar los vacíos clave en las hojas de datos de plásticos

MobileSpecs LLC ha aumentado la amplitud y la profundidad de su base de datos de materiales para moldeadores de inyección al aplicar un algoritmo de Machine Learning para predecir la información faltante para los parámetros clave de procesamiento, incluidos los puntos de datos como la temperatura de secado.

La versión actualizada del programa comenzó a funcionar, marcando una de las varias actualizaciones sustanciales que ha experimentado la base de datos desde su lanzamiento en junio de 2017. MobileSpecs ahora está disponible como una aplicación o en la web, con ambas versiones continuamente actualizadas y sincronizadas. A principios de este año, la compañía también cambió su modelo de negocio para la base de datos, pasando de un servicio de suscripción de pago a una versión gratuita, dando a los usuarios acceso completo a todos los datos sobre más de 22.000 materiales disponibles comercialmente de más de 100 fabricantes de resinas.

"Se puede buscar el producto, el grado, el fabricante, una familia o resinas", explica Doug Kenik, Director Gerente de MobileSpecs," y los materiales comienzan a aparecer para que pueda reducir rápidamente la búsqueda del material que desee".

Más recientemente, MobileSpecs permitió a los usuarios que ingresaron a los materiales "favoritos", brindándoles acceso rápido en el futuro a esos materiales seleccionados. La compañía también agregó archivos PDF completos de las hojas de datos originales a la base de datos, lo que permite a los usuarios ver las especificaciones publicadas del fabricante.

Después de la versión inicial, Kenik dijo que MobileSpecs recibió noticias de los usuarios de la base de datos que valoraron la agregación de la información del material pero encontraron algunas lagunas. "Echamos un vistazo a los datos que teníamos y aprovechamos estas nuevas técnicas de Machine Learning para comenzar a llenar los vacíos que faltaban en las hojas de datos que estábamos informando", indicó Kenik. Poco después de comenzar el trabajo, Kenik dijo que MobileSpecs encontró que el algoritmo era eficaz para proporcionar datos a los moldeadores que no pudieron encontrar en la hoja de datos.

http://bit.ly/2CtJUZI

 

TranslateMe abre una instalación de GPU para Machine Learning

TranslateMe ha publicado su última actualización, destacando el progreso realizado en los meses previos a marzo de 2019. TranslateMe es un proyecto basado en una cadena de bloques (blockchain) NEO que utiliza contribuciones humanas y Machine Learning para crear servicios de traducción en tiempo real.


Aplicación de telegramas

TranslateMe reportó comentarios positivos sobre su aplicación web Telegram de prueba de concepto. Se dice que la aplicación, que traduce los chats en vivo en Telegram a un idioma que eligen los usuarios, ha sido probada por más de un centenar de usuarios que ayudan con el descubrimiento de errores.

Se introdujo una función de recompensas para incentivar a los usuarios con tokens TMN a cambio de la presentación de correcciones de traducción. Las correcciones ayudan a mejorar el algoritmo de Machine Learning utilizado para la traducción, que tiene el objetivo de alcanzar una precisión del 99.9%.

También se agregó soporte para los idiomas francés, japonés, ruso, chino, alemán, coreano, holandés, portugués, hindi, español y árabe.


Aplicación de Android

Se informa que la aplicación de Android TranslateMe está en desarrollo, con un lanzamiento previsto para marzo de 2019 en Google Play Store.

Una vez publicada, la aplicación se convertirá en la aplicación principal de TranslateMe, incluidas otras aplicaciones de chat, herramientas y un panel de recompensas. El equipo espera que la aplicación fomente la conciencia del proyecto dentro de la comunidad de criptomonedas.

TranslateMe señala que la oferta principal de su aplicación será de uso gratuito, con opciones premium disponibles para su compra utilizando el token de TMN  o, posiblemente, NEO.


Instalación de GPU para Machine Learning

TranslateMe afirma que en febrero de 2019 recibió fondos suficientes para configurar su instalación de Machine Learning de GPU. La instalación consta de 10 plataformas de minería, reconfiguradas para Machine Learning, cuyo objetivo es actuar como la columna vertebral de la red TranslateMe. Las máquinas realizarán las tareas necesarias para ofrecer traducciones y puntos finales de API para usos internos y comerciales.

Se afirma que el lanzamiento de su proyecto de Machine Learning fue posible gracias a las contribuciones conjuntas de los partidarios de la TMN y las inversiones fundadoras en el proyecto.

http://bit.ly/2CqXZXz

 

Un modelo de Machine Learning proporciona información detallada sobre las proteínas

La capacidad de una red neuronal artificial para analizar datos de secuencias de proteínas podría aprovecharse para ayudar a informar el desarrollo de proteínas farmacéuticas más específicas y otros fármacos.

Una novedosa 'caja de herramientas' de Machine Learning que puede leer y analizar las secuencias de proteínas se ha descrito en la revista de acceso abierto eLife.

El estudio demuestra que, cuando se entrena para leer datos de secuencia, las redes neuronales artificiales llamadas Máquinas de Boltzmann Restringidas (RBM) pueden proporcionar una gran cantidad de información sobre la estructura, función y características evolutivas de las proteínas. Se cree que es el primer método que puede extraer este nivel de detalle solo a partir de la secuencia de datos.

Las proteínas están formadas por secuencias de moléculas llamadas aminoácidos, que determinan las propiedades estructurales y funcionales de una proteína dada. Pero comprender qué partes de las secuencias son responsables de qué propiedades es un desafío. "Responder a esta pregunta podría tener implicaciones significativas para el desarrollo farmacéutico", explica la coautora Jérôme Tubiana, ex estudiante de doctorado en el Laboratorio de Física en l'École Normale Supérieure (ENS), París, Francia. "Por ejemplo, podría ayudar con el diseño de nuevas proteínas que tengan funciones deseadas, o con la predicción de la evolución futura de la secuencia de proteínas en organismos vivos, como los patógenos, y la identificación de objetivos farmacológicos apropiados".

Para explorar esta pregunta, Tubiana y sus colaboradores aplicaron la RBM a 20 "familias" de proteínas, un grupo de proteínas que comparten un origen evolutivo común. Los investigadores presentaron resultados detallados para cuatro familias de proteínas, que incluyen dos dominios de proteína cortos llamados Kunitz y WW, una proteína larga de acompañamiento llamada Hsp70 y proteínas de celosía sintética para la evaluación comparativa.

http://bit.ly/2uf9bSH

 
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