Machine Learning España #190515

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.

Inteligencia Artificial y Machine Learning impulsan el mercado de análisis de la cadena de suministro

MarketsandMarkets ha publicado el informe titulado: "Mercado de análisis de la cadena de suministro por software (análisis de rendimiento de proveedores, análisis y pronóstico de la demanda y análisis de inventario), servicios, modelo de implementación, tamaño de la organización, sector vertical y región. Pronóstico global para 2023".

Los estudios de mercado esperan que el tamaño del mercado de análisis de la cadena de suministro aumente de $3.6 mil millones en 2018 a $7.1 mil millones para 2023, a una tasa de crecimiento anual compuesta (CAGR) de 14.6 por ciento durante el período del pronóstico. Los factores clave que impulsan el mercado de la cadena de suministro incluyen aumentar el volumen y la velocidad de los datos, la necesidad de mejorar las eficiencias operativas y de la cadena de suministro, y el advenimiento de la inteligencia artificial (IA) y Machine Learning a la gestión de la cadena de suministro.

Las partes clave del estudio señalaron que el segmento de análisis de inventarios constituía la mayor participación de mercado en 2018. Los investigadores también encontraron que el mercado de análisis de la cadena de suministro está segmentado en software y servicios. Se espera que el segmento de servicios crezca a una CAGR más alta durante el período de pronóstico. Los servicios profesionales y los servicios administrados ayudan a las empresas a establecer relaciones exitosas con sus clientes al brindarles un apoyo continuo a través de la tenencia de negocios. Además, estos servicios benefician a las empresas al maximizar el uso de recursos, mejorar la ejecución del proyecto y agilizar las operaciones comerciales. La necesidad de servicios, como soporte y mantenimiento, también crecería, a medida que aumente la adopción del software de análisis de la cadena de suministro.

http://bit.ly/2XEmgT7

 

Encontrar defectos en chips con Machine Learning

Los fabricantes de chips están utilizando más tipos de herramientas tradicionales y diferentes que nunca para encontrar defectos fatales en chips avanzados, pero también están recurriendo a soluciones complementarias como formas avanzadas de Machine Learning para ayudar a resolver el problema.

Un subconjunto de Inteligencia Artificial (IA), Machine Learning, se ha utilizado en informática y otros campos durante décadas. De hecho, las primeras formas de Machine Learning se han utilizado en metrología e inspección en fábricas desde la década de 1990 para detectar defectos en los chips e incluso predecir problemas mediante el uso de técnicas de combinación de patrones. Machine Learning no es un tipo de herramienta o equipo en sí mismo, sino un conjunto de algoritmos de software utilizados por el sistema para ayudar a encontrar defectos. Ahora la industria está explorando o comenzando a usar sistemas con algoritmos de Machine Learning más avanzados basados ​​en conjuntos de datos más grandes. Esto, a su vez, supuestamente acelera los ciclos de aprendizaje.

Esto no reemplazará los métodos tradicionales, al menos en el corto plazo. Hasta ahora, las formas más avanzadas de Machine Learning no se implementan ampliamente a lo largo de las fábricas, y quedan algunas brechas. Pero la industria está progresando mientras se esfuerza por resolver los enormes desafíos en la detección de defectos.

En las fábricas de hoy, los fabricantes de chips utilizan diversos sistemas de inspección y metrología para encontrar defectos en los chips. La inspección es la ciencia de encontrar defectos, mientras que la metrología es el arte de medir estructuras. Ambas tecnologías se utilizan para localizar problemas en los dispositivos y ayudan a garantizar los rendimientos en la fábrica.

Aún así, en cada nodo, los dispositivos y las estructuras son cada vez más pequeños. En algunos casos, las estructuras están muy por debajo de 1 ángstrom, que es igual a 0.1nm. Encontrar defectos a esa escala es mucho más difícil y costoso.

http://bit.ly/2XVp8uU

 

Los equipos de CVTC barren los primeros lugares en una competencia de diseño centrada en el uso de herramientas digitales

Los estudiantes de Chippewa Valley Technical College han barrido los dos primeros lugares en una nueva competencia nacional de diseño centrada en el uso de herramientas digitales en la industria.

El diseño de un grupo, un robot de aprendizaje Kara que demuestra cómo los mecanismos robóticos aprenden unos de otros, se ubicaron en primer lugar en la Competencia de Futuros 3D de la American Technical Education Association. El diseño de un segundo grupo de un brazo robótico y una pinza quedó en segundo lugar en la competencia.

"Los grupos trabajaron en dos proyectos de programas diferentes", dijo el instructor Mahmood Lahroodi. "Estaban aprendiendo conceptos de diseño mecánico a través del aprendizaje basado en proyectos y tuvieron la oportunidad de aprender y participar en la competencia al mismo tiempo".

El equipo de estudiantes de primer año de Diseño mecánico en el equipo de Kara Learning Robot incluyó a Jon Knapp de River Falls, Rick Hever de Hager City y Franklin Lozano de Baldwin. Los estudiantes de segundo año del equipo mecánico de pinzas y brazos incluyeron a Eric Wolle de Baldwin y Alex Husfloen de Ellsworth.

Andrew Boster fue miembro de ambos equipos, creando videos explicativos de tres minutos que constituyeron las entradas reales en la competencia. Lahroodi sugirió el proyecto de robot de aprendizaje para el primer equipo.

"Una herramienta que no ha tenido mucho uso hasta ahora en colegios técnicos y universidades es Machine Learning", dijo Boster al presentar el video ganador. "Machine Learning ha tenido un gran éxito en el campo del procesamiento de imágenes y lenguaje. Nuestro objetivo es aplicar las mismas ideas a los problemas de fuerza y ​​movimiento en los sistemas mecánicos".

http://bit.ly/2UIOcHG

 
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