Machine Learning España #190502

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.

Sparta Science busca cambiar las técnicas de prevención de lesiones a través de la Inteligencia Artificial y Machine Learning

Hay muchas habilidades y rasgos utilizados para evaluar a los atletas, pero nunca han sido indicadores confiables. Es por eso que los jugadores no reclutados como JJ Watt pueden convertirse en Super-Profesionales en la NFL y, justo ayer, Trent Brown, cuatro años después de una selección de séptima ronda en el Draft de la NFL 2015, se convirtió en el línea ofensivo mejor pagado de la historia. Si bien ocurrirán excepciones como esta, un rasgo atlético, la habilidad de un atleta para mantenerse saludable en el campo o en la cancha, a menudo puede marcar la diferencia entre una temporada exitosa y una carrera profesional productiva.

Brian Dawkins, ex responsable de seguridad de la NFL, lo expresó mejor y de manera más eficiente cuando declaró "La mejor habilidad es la disponibilidad" en 2014. Si bien se habían producido muchos avances antes de 2014, ha habido una avalancha de nuevas tecnologías en los últimos cinco años y muchos profesionales y equipos colegiados ahora aceptan más los modelos basados ​​en datos enfocados en la prevención de lesiones.

En solo dos semanas, los Padres de San Diego y los Phillies de Filadelfia han otorgado contratos por $300 millones y $330 millones, respectivamente, por 10 años y 13 años cada uno a Manny Machado y Bryce Harper. La década de 2020 ni siquiera ha comenzado, pero los Phillies le pagarán a Harper más de $25 millones por año hasta el 2032, sin importar si juega 162 juegos cada año o 0. Si bien Harper es un talento generacional y ciertamente merece un compromiso significativo, es fácil ver por qué los Phillies y los equipos en situaciones similares, con estrellas de alto precio, se están enfocando más en la salud de sus jugadores, ya que esto afectará significativamente su capacidad para formar un equipo competitivo.

En respuesta, algunas empresas han podido ingresar al mercado. Uno de los más exitosos ha sido el de Sparta Science en Menlo Park, California. Sparta ha recaudado $9,7 millones en fondos y ha trabajado con los Cleveland Cavaliers de la NBA y los Colorado Rockies de la MLB en los esfuerzos de prevención de lesiones. Sparta también trabajó con los 49ers y los Detroit Lions y comenzó a trabajar con los Steelers el verano pasado. Los Steelers utilizaron el software de Sparta durante toda la temporada, obteniendo buenas críticas de parte de Garrett Giemont y del personal de entrenamiento de fuerza y ​​acondicionamiento de los Steelers. http://bit.ly/2Y5UCic

 

5 maneras en que los vendedores pueden obtener una ventaja con Machine Learning

Es difícil escapar del zumbido en torno a Machine Learning. Prácticamente todas las industrias están hablando de ello.

Entonces, ¿qué es Machine Learning? De acuerdo con Hewlett Packard, “Machine Learning se refiere al proceso mediante el cual los ordenadores desarrollan el reconocimiento de patrones, o la capacidad de aprender y hacer predicciones de forma continua a partir de los datos, luego hacer ajustes sin estar específicamente programados para hacerlo”. En otras palabras, es una forma para que las máquinas analicen y actúen sobre grandes volúmenes de información y continúen aprendiendo y mejorando con el tiempo.

Para ver un ejemplo de algoritmos de Machine Learning en acción, consideremos el reconocimiento facial, un área que estamos viendo que mejora cada día. Hoy en día, los usuarios de iPhone desbloquean sus teléfonos con sus caras. La policía utiliza el reconocimiento facial para detectar actividades de fraude y atrapar delincuentes. Google Photos permite a los usuarios ordenar las fotos por las personas en ellas. Es posible que estos algoritmos no hayan sido increíblemente precisos en el pasado, pero se han entrenado a lo largo del tiempo con Machine Learning.

Esto no es inteligencia humana, su aprendizaje programado y sus aplicaciones se extienden más allá del reconocimiento facial y en todas las industrias. Tomemos el marketing, por ejemplo. Los profesionales de marketing de hoy se esfuerzan por transmitir un mensaje relevante a sus clientes. Y mientras que los humanos no pueden comunicarse con grandes volúmenes de clientes individualmente a escala, las máquinas sí pueden. ¿No estás seguro de cómo se ve eso en la práctica? En este artículo se explican cinco de los usos clave de Machine Learning para el marketing.

1. Recomendar los productos o contenidos más relevantes.

2. Localizar automáticamente segmentos importantes de clientes.

3. Identificar y actuar sobre posibles problemas.

4. Pase de las pruebas A / B a la entrega de experiencias y ofertas individualmente relevantes.

5. Decida cómo comunicarse con cada persona.

http://bit.ly/2YJxkPi

 

A la vanguardia española en tecnologías inteligentes con la nueva identidad del CiTIUS

El hasta ahora Centro singular en Tecnoloxías da Información de la USC presentó su nueva identidad como Centro de investigación en Tecnoloxías Intelixentes, convirtiéndose así en el único que existe en Galicia en ese ámbito y uno de los tres que existen a nivel nacional.

Su director científico, Senén Barro, manifestó en la presentación que Galicia se sitúa a la "vanguardia" del país ya que los otros -uno creado por el CSIC hace tres décadas en Barcelona y otro hace unas semanas en la Politécnica de Cataluña- están hiperespecializados y este, aclaró el catedrático, es "multidisciplinar dentro del ámbito de las tecnologías inteligentes". Como director adjunto estará Paulo Félix Lamas.

Durante la presentación, la conselleira de Educación, Carmen Pomar, hizo hincapié en la importancia del capital humano de la investigación universitaria gallega: "Vuestro talento, de científicos del más alto nivel, es lo que hace que los centros en los que trabajáis sean los más excelentes del Sistema Universitario Galego", aseguró.

La responsable de la enseñanza gallega justificó la reconversión diciendo que "sanidad, educación, empresa... miremos donde miremos, el campo de la inteligencia artificial es el futuro. La coyuntura es perfecta" para este cambio.

http://bit.ly/2ZLzCy5

 
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