Machine Learning España #190527

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.

La tecnología de Machine Learning de Farmstead predice con precisión la demanda de los clientes

Farmstead se puso en marcha con su lista de compras inteligentes para predecir lo que los clientes necesitan en función de múltiples factores basados ​​en datos, como el historial de compras semanales, las señales de compra y lo que ya está en su carrito. La última innovación de la tienda de comestibles en línea aprovecha la tecnología de Machine Learning para predecir la demanda de los clientes y ayudar a los compradores a construir sin problemas su lista de compras semanal de forma rápida y sencilla.

"Uno de los mayores desafíos para comprar comestibles en línea es construir su carrito de compras rápidamente", dijo Pradeep Elankumaran, cofundador, CEO y promotor de RIS en Pradesep Elankumaran. “Ya que no hay pasillos físicos para caminar como un supermercado tradicional, y solo se cuenta con el desplazamiento que se puede tomar en un pantalla, es un verdadero desafío ayudar a los clientes a encontrar los productos correctos en el momento adecuado y al mismo tiempo sugerir nuevos que les encantarán en los pocos minutos que pasan cada semana pulsando botones en línea".

La lista de compras inteligentes de Farmstead les brinda a los clientes una mejor opción: en lugar de comprar solo pasillo por pasillo, genera dinámicamente una lista infinita de productos altamente personalizados que pueden recorrer. Estos productos están clasificados por algoritmos de Machine Learning basados ​​en el comportamiento de compra y las preferencias de bienestar de los clientes, junto con el comportamiento colectivo de otros clientes que compran productos similares.

http://bit.ly/2WyIRmB

 

Tres fallos clave en Machine Learning

La mayoría de los métodos estadísticos empleados en los enfoques de Machine Learning se conocen desde hace décadas, o incluso siglos, en el caso de los enfoques bayesianos. La explosión del término Machine Learning tiene que ver con la tecnología y la forma en que nos permite aplicar estos enfoques a grandes conjuntos de datos de manera que los recursos de cómputo que antes se tornaban difíciles o totalmente imposibles.

Sin embargo, la mitología persiste. Hay muchos por ahí que creen, o se les hace creer, que un proyecto de Machine Learning puede realizar algún tipo de magia ultramoderna que desafiará todos los enfoques humanos del mismo problema. Esto es peligroso, porque puede significar que las personas o los equipos se embarquen en esfuerzos que consumen muchos recursos y tiempo basándose en la creencia de que se producirá algún tipo de magia, y sin el pensamiento crítico y el juicio humano apropiados.


AJUSTE POBRE DE OBJETIVOS
Es esencial conocer y aclarar el propósito de un proyecto de Machine Learning. O estás construyendo tu modelo para explicar algo o lo estás construyendo para predecir algo. La mayoría de las veces, un modelo que es mejor para explicar un fenómeno no es óptimo para predecirlo. Además, los modelos que predicen algo realmente bien a menudo tienen características que son realmente obvias y constituyen una gran parte del poder predictivo, por lo que no les da grandes poderes explicativos.


DISEÑO EXPERIMENTAL POBRE
Imagine que está trabajando para una compañía de ventas y desea construir un modelo para explicar qué impulsa las ventas exitosas de los representantes de vetnas. Una de las cosas que ya sabe y ha sabido desde siempre es que los representantes realizan ventas más exitosas a los clientes existentes que a los nuevos.


POBRE PLANIFICACIÓN PRÁCTICA
Ya sea que se esté embarcando en el Machine Learning con fines explicativos o predictivos, pocos piensan en las consecuencias del éxito.
Si construye un modelo que puede ayudar a diagnosticar las razones del ausentismo en la fuerza laboral, o uno que pueda predecir problemas de fabricación, o lo que sea, debe poder implementarlo de manera práctica. Esto es cuando descubre que algunas de las fuentes de datos utilizadas en el modelo se extrajeron de archivos que requieren una manipulación manual masiva. O descubre que algunas de las entradas se imputaron basándose en datos faltantes.

http://bit.ly/2wt986N

 

Los investigadores del Estado de Texas utilizan Machine Learning para ayudar a los niños con autismo a identificar las expresiones faciales

Según la Academia de Inteligencia Emocional, existen siete expresiones faciales universales que los humanos poseen: felicidad, tristeza, miedo, disgusto, enojo, desprecio y sorpresa. Para las personas con trastorno del espectro autista (TEA), puede ser difícil distinguir entre estas emociones durante las interacciones personales.

Un equipo de investigadores de la Universidad Estatal de Texas, incluidos el Dr. Damian Valles, profesor asistente en la Escuela de Ingeniería de Ingram, la Dra. Maria Resendiz, profesora asociada del Colegio de Profesiones de la Salud, y el estudiante graduado MD Inzamam Haque, está desarrollando una aplicación móvil para ayudar a los niños con TEA a reconocer las expresiones faciales en la pantalla de un dispositivo, lo que les permite interpretar mejor las señales no verbales en entornos sociales.

Debido a los recientes avances en la tecnología de reconocimiento facial, el Dr. Valles dice que pueden ayudar a disminuir la brecha de comunicación entre los niños con autismo. "No creo que hace cinco o diez años, podríamos haber tenido esta discusión basada en la tecnología disponible".

Usando la aplicación, los padres y los educadores dirigen las expresiones faciales hacia el niño, luego el niño puede aprender a identificar esas expresiones al ver los contornos de una cara que indica la emoción en la pantalla del dispositivo.

http://bit.ly/2WtH5Tx

 
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