Machine Learning España #190419

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.

Joven inventor diseña un escáner de alergia no invasiva utilizando la genética y Machine Learning

Ayush Alag, de 17 años, es uno de los 40 finalistas en la búsqueda de talentos de Regeneron Science.

Uno de los primeros recuerdos de Ayush Alag es el de morder una barra de chocolate con anacardos y sentir repentinamente que la garganta le pica.

Durante la mayor parte de su infancia, este residente de Santa Clara, California, evitó comer cualquier cosa con anacardos y otras nueces que causaron la irritación lo mejor que pudo. En sus años de escuela, él y sus padres querían estar seguros: ¿tenía una alergia alimentaria grave, como 32 millones de estadounidenses, o solo era una sensibilidad a la comida? Buscaron la ayuda de un alergólogo, Joseph Hernández, de la Universidad de Stanford.

Hernández les dijo que la diferencia entre una alergia y una sensibilidad a los alimentos es enorme. En el caso de la sensibilidad a los alimentos, una persona puede introducir poco a poco los alimentos que provocan reacciones en su dieta de forma gradual para desarrollar la inmunidad. Sin embargo, si eres alérgico, hacerlo podría causar la muerte.

Hernández recomendó que Alag tomara por primera vez un análisis de sangre y un examen de la piel, ambas medidas típicas para determinar las alergias, pero esos resultados no fueron concluyentes, lo cual fue frustrante para Alag cuando supo que comer ciertos alimentos lo enfermaba. Las pruebas de sangre y piel son hipersensibles y producen falsos positivos casi del 50 al 60 por ciento de las veces, según la organización sin fines de lucro Food Allergy Research & Education con sede en McLean, Virginia. La única forma de saber realmente si era o no alérgico era hacer un desafío oral con la comida, una experiencia que puede ser estresante y, en ocasiones, traumática para el paciente. Durante un desafío oral de comida, el paciente come tres pequeñas cantidades del alérgeno sospechoso en el transcurso de una hora bajo la supervisión de un médico y una enfermera. Luego se observa al paciente durante cuatro horas después de la última dosis para ver si aparecen síntomas.

El proceso no sólo requiere mucho tiempo para un proveedor médico, sino que también posee un riego muy alto, especialmente para los niños. Si se produce una reacción grave, el niño deberá ser trasladado a la sala de emergencias lo antes posible. Las alergias a los alimentos afectan aproximadamente al ocho por ciento de los niños, y en décadas del desafío oral con la comida siendo un estándar de la industria, solo se ha reportado una muerte. En 2017, un niño de tres años murió durante un desafío orla de rutina, sorprendiendo a la comunidad de investigación de alergias. http://bit.ly/2udPVoH

 

Splice Machine lanza el programa beta para Machine Learning Manager para satisfacer la creciente demanda de Inteligencia Artificial operacional

Splice Machine, la plataforma operativa de datos de Inteligencia Artificial (AI), anunció el lanzamiento de un programa beta para Machine Learning Manager, una plataforma nativa de Ciencia de Datos y Machine Learning. Al operar en la plataforma de datos de Splice Machine, Machine Learning Manager permite a los equipos de Ciencia de Datos maximizar el rendimiento de sus modelos de Machine Learning eliminando la latencia asociada con la creación de líneas de datos complejas, realizando transformaciones incómodas y formando modelos de datos actualizados. Con Machine Learning Manager, los científicos de datos pueden experimentar hasta en diez veces más líneas de datos para optimizar sus modelos, y cuando finalmente implementen el modelo en el entorno de producción, pueden comenzar a hacer predicciones en tiempo real.

La infraestructura de datos de TI que consiste en plataformas transaccionales, analíticas y de Ciencia de Datos independientes no es viable para las aplicaciones modernas basadas en Machine Learning, ya que no es lo suficientemente ágil para proporcionar los datos en tiempo real necesarios para capacitar continuamente el modelo de Machine Learning en minutos en lugar de horas o días. Machine Learning Manager ayuda a mejorar la productividad de los científicos de datos al ejecutar los modelos de Machine Learning a nivel de base de datos utilizando los datos más recientes disponibles. Este enfoque facilita la recapacitación del modelo cada vez que cambian los atributos de datos subyacentes, asegurando que el modelo esté funcionando a su rendimiento óptimo.

http://bit.ly/2ZmkUNy

 

Los 7 mejores libros de Machine Learning que debes leer (Parte 1)

Echa un vistazo a tus alrededores. Muchas cosas han cambiado en unas pocas décadas. De la forma en que las personas se comunicaban, viajaban y en última instancia, vivían. Hoy en día, todo es más fácil y mucho más accesible de lo que era antes. Una razón muy obvia es el avance en la tecnología o, para ser más precisos, la introducción de Machine Learning.

Y esto es sólo el principio. La evolución de Machine Learning es rápida y las tareas que podrá realizar cuando se utilicen al máximo potencial, no solo facilitarán la vida humana, sino que también mejorarán la productividad y la calidad de vida.

La gente ha comenzado a comprender la importancia de Machine Learning y tal vez, esa es la razón por la que este tema ha tenido un gran crecimiento. ¿También estás buscando una manera de empezar? Bueno, qué mejor manera que elegir un buen libro de la lista de los mejores libros de Machine Learning para comenzar tu viaje de infinitas posibilidades.

A continuación se muestran los 7 mejores libros de Machine Learning. (Las clasificaciones se basan en las críticas) -


7. Think Bayes
El objetivo de este libro de Machine Learning es desarrollar Machine Learning mediante códigos y técnicas de Python para resolver obstrucciones estadísticas en lugar de matemáticas.


6. Deep Learning
El objetivo del libro es presentar Machine Learning junto con la ayuda matemática del álgebra lineal, la teoría de la probabilidad y la teoría de la información, y la computación numérica se ha cubierto para brindar una base sólida y antecedentes conceptuales.
El trío de expertos introduce una variedad de temas en Deep Learning. Deep Learning es la parte más complicada de Machine Learning porque, como su nombre indica, profundiza en el tema. Pero el trío de autores ha logrado no solo simplificarlo, sino que con los ejemplos y hechos de la vida real, también lo han hecho interesante.


5. Machine Learning
La escritura de Tom M. Mitchell lo hace fácil y comprensible para los lectores.
La mejor parte es que uno no necesita ninguna experiencia en absoluto. Entonces, si no sabe nada sobre el tema y está buscando un comienzo, Tom's Machine Learning es la biblia.

http://bit.ly/2ZmlECn

 
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