Machine Learning España #190613

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.

Los engaños profundos están mejorando, pero aún son fáciles de detectar

La Mona Lisa sonrió. Una gran y amplia sonrisa, seguida de lo que parecía ser una risa y el silencio de palabras que solo podían ser una respuesta al misterio que había engañado a sus espectadores durante siglos.

Una gran cantidad de personas estaban enojadas.

El "retrato vivo" de Mona, junto con las imágenes de Marilyn Monroe, Salvador Dali y otros, demostró la última tecnología en Deepfakes, medios aparentemente realistas que se generan mediante Machine Learning. Desarrollados por investigadores en el laboratorio de Inteligencia Artificial de Samsung en Moscú, los retratos muestran un nuevo método para crear videos creíbles a partir de una sola imagen. Con solo unas cuantas fotografías de rostros reales, los resultados mejoran dramáticamente, produciendo lo que los autores describen como "cabezas parlantes realistas". Los investigadores (de forma escalofriante) llaman al resultado "títere", una referencia a cómo las cuerdas invisibles parecen manipular el rostro objetivo. Y sí, podría, en teoría, ser usado para animar tu foto de perfil de Facebook. Pero no te asustes por tener cuerdas que maliciosamente te quiten el rostro.

"Nada me sugiere que solo usarás esto para generar engaños en casa. No a corto, mediano o incluso a largo plazo", dice Tim Hwang, director de Ética y Gobernabilidad de la Iniciativa de Harvard-MIT. Las razones tienen que ver con los altos costos y el conocimiento técnico para crear falsificaciones de calidad, barreras que no desaparecerán pronto.

http://bit.ly/2I6asmL

 

Mercado mundial de plataformas de Machine Learning y de Ciencia de Datos 2019: Futuro de la Industria, crecimiento, tamaño, análisis y pronóstico para 2024

El estudio de investigación de mercado titulado Global Data Science y Machine Learning Platforms Market 2019 por fabricantes, regiones, tipo y aplicación, Pronóstico para 2024 describe las divisiones de empresa, el alcance del negocio, el mercado actual y el pronóstico futuro, y los actores clave. El informe muestra estimaciones cualitativas y cuantitativas realizadas por los analistas de la industria. También ofrece un extenso análisis de la cuota de mercado, las últimas tendencias de la industria, así como datos de previsión sobre los ingresos por ventas, el crecimiento del mercado y el escenario de demanda y oferta. En este informe, se ofrece un análisis exhaustivo de los patrones de desarrollo de la industria, los impulsores, las oportunidades de restricción, los desafíos, el riesgo de mercado y los factores desde 2019 hasta 2024.

El mercado de las plataformas Data Science y Machine-Learning Platform está bien segmentado por los principales fabricantes, usuarios finales y su aplicación, junto con datos como el tamaño y previsión del mercado, los ingresos, los precios, las ventas, el margen bruto y el importante perfil del consumidor. Las empresas clave que operan en el mercado, dirigidas al lanzamiento de nuevos productos, están realizando esfuerzos agresivos y se centran en las fusiones y adquisiciones. Las estrategias de crecimiento adoptadas por estas empresas se estudian en detalle en el informe. El informe presenta la situación de competencia en el mercado entre los proveedores clave y el perfil de la empresa y luego cubre el análisis de precios de mercado y las características de la cadena de valor. El proceso de producción se analiza con respecto a diversos aspectos de la distribución de la planta de fabricación, la capacidad, la producción comercial, el estado de I+D, la fuente de materia prima y la fuente de tecnología.

El informe de mercado estudia los análisis de mercado global e investiga los pronósticos de las plataformas de Ciencia de datos y Machine Learning en América del Norte (Estados Unidos, Canadá y México), Europa (Alemania, Francia, Reino Unido, Rusia e Italia), Asia-Pacífico (China, Japón, Corea, India y el sudeste asiático), Sudamérica (Brasil, Argentina, Colombia, etc.), Oriente Medio y África (Arabia Saudita, Emiratos Árabes Unidos, Egipto, Nigeria y Sudáfrica). Este informe se centra en los principales jugadores en el mercado global.

http://bit.ly/2K9iygT

 

Machine Learning optimiza el rendimiento del pozo petrolero de Duvernay

Un problema fundamental para Machine Learning en muchas industrias es que una variable de respuesta no es controlada por una, sino por una serie de variables predictoras. Inferir la relación entre la variable de respuesta y las variables predictoras es de importancia clave. Las interacciones entre las variables predictoras y el ruido en los datos complican aún más las cosas. Este problema se puede resolver con una regresión lineal múltiple o una red neuronal, las cuales usan todas las variables predictoras juntas. Sin embargo, se debe tener cuidado para obtener un modelo que sea verdaderamente predictivo y no simplemente el resultado de un ajuste excesivo de los datos.

En los reservorios de petróleo y gas no convencionales, el rendimiento del pozo generalmente se caracteriza a nivel del pozo por un trabajo técnico detallado, como el análisis de tasa transitoria, microsísmica y otras técnicas, o bien a nivel de campo mediante métodos estadísticos con rangos para el rendimiento de la producción. El refinamiento de esta interpretación estadística generalmente implica la normalización de solo uno o dos parámetros clave, como la longitud lateral o el tonelaje. Además, los pozos generalmente se agrupan o excluyen por completo de la población por varias razones, como un diseño de terminación de calidad inferior. Esto introduce un sesgo en los pozos seleccionados y reduce el tamaño de la muestra. Como resultado, este enfoque se limita a las variables clave identificadas y al sesgo introducido por la población del pozo seleccionada.

La idea de utilizar una red neuronal se ha ejecutado con éxito en el pasado para optimizar las terminaciones. Sin embargo, los conjuntos de datos fueron limitados. Recientemente, el uso de Machine Learning ha crecido sustancialmente al integrar más variables en el análisis, lo que reduce la incertidumbre del yacimiento.

http://bit.ly/2wmpCxF


 
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