Machine Learning España #190816

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.

Las herramientas de Machine Learning ayudan a predecir los resultados de los ensayos clínicos

De acuerdo con un estudio realizado por investigadores en el MIT y publicado en Harvard Data Science Review, las tecnologías de Machine Learning pueden ayudar a predecir los resultados de los ensayos clínicos, lo que lleva a tiempos de aprobación de medicamentos más rápidos, costos más bajos y más financiamiento.

Los ensayos clínicos aleatorios son una tarea de alto riesgo para una amplia gama de partes interesadas, desde reguladores y líderes de empresas farmacológicas hasta pacientes y sus familias.

"Todos se ven afectados por el riesgo de que un medicamento falle en su proceso de ensayo clínico", dijo Andrew Lo, autor principal del estudio y director del Laboratorio de Ingeniería Financiera del MIT. "Con medidas más precisas del riesgo de desarrollo de medicamentos y dispositivos, esperamos alentar una mayor inversión en este punto de inflexión único en biomedicina".

El auge de los avances médicos, como las terapias inmunológicas, las terapias genéticas y las técnicas de edición de genes también han contribuido a la creciente complejidad de la innovación biomédica.

"Estos avances generan nuevas terapias para la investigación, cada una de las cuales requiere muchos años de investigación y pruebas clínicas, que cuestan cientos de millones a miles de millones de dólares y, sin embargo, a menudo enfrentan una alta probabilidad de fracaso", dijeron los investigadores.

http://bit.ly/2LAJ3wt

 

La financiación de DARPA incorpora Machine Learning a las capacidades de inteligencia de señales de BAE Systems

BAE Systems ha recibido fondos de la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) para integrar la tecnología de Machine Learning (ML) en plataformas que descifran las señales de radiofrecuencia. Su solución de integración de hardware controlable para Machine Learning habilitado en tiempo real (CHIMERA) proporciona una plataforma de hardware reconfigurable para desarrolladores de algoritmos de Machine Learning para dar sentido a las señales de radiofrecuencia (RF) en entornos de espectro electromagnético cada vez más concurridos.

El contrato de hasta $4.7 millones, que depende de la finalización exitosa de los hitos, incluye la entrega de hardware junto con la integración y el soporte de demostración. La plataforma de hardware de CHIMERA permitirá a los desarrolladores de algoritmos descifrar el número cada vez mayor de señales de RF, proporcionando a los usuarios comerciales o militares una mayor conciencia situacional automatizada de su entorno operativo. Este contrato es adyacente al premio previamente anunciado para el desarrollo de algoritmos Machine Learning basados ​​en datos bajo el mismo programa DARPA (Sistemas de Machine Learning de radiofrecuencia o RFMLS).

RFMLS requiere una solución de hardware robusta y adaptable con una multitud de superficies de control para permitir una mejor discriminación de señales en los entornos de espectro denso en evolución del futuro.

"CHIMERA brinda la flexibilidad de una solución de software al hardware", dijo Dave Logan, vicepresidente y gerente general de Sistemas de Comando, Control, Comunicaciones, Computadoras, Inteligencia, Vigilancia y Reconocimiento (C4ISR) en BAE Systems. "Machine Learning está a punto de revolucionar la tecnología de inteligencia de señales, tal como lo ha hecho en otras industrias".

https://yhoo.it/2Z314JY

 

Machine Learning para mejorar la piscicultura

La cría de peces aumenta la necesidad de conocer las condiciones de reproducción, la salud y la calidad de los animales. Esta es la razón por la cual la Unidad de Negocios de Horticultura de Invernadero de la Universidad e Investigación de Wageningen (WUR) en los Países Bajos está trabajando en métodos para seleccionar peces de forma automática, rápida y precisa.

WUR participa en el proyecto europeo AquaIMPACT. Dentro de este proyecto, los socios investigan la cría profesional de salmón del Atlántico, trucha arcoiris, dorada y lubina. La Unidad de Negocio de Horticultura de Invernadero es responsable de desarrollar la "visión artificial" y el "Machine Learning" para analizar los peces. "Visión artificial" es el nombre colectivo de las técnicas para editar y/o analizar imágenes de la cámara. El uso de técnicas de visión tiene muchas ventajas. Con las técnicas de visión, se pueden medir más variables en menos tiempo. Además, el software es más objetivo que, por ejemplo, un observador humano.

WUR tiene mucha experiencia en la aplicación de técnicas de visión, como el fenotipado (medición de propiedades de plantas con cámaras y software). También se deben evaluar las características de forma y color de los peces de cultivo. Esto permite que un criador decida qué pez se utilizará para la reproducción posterior. Esta medición ahora se realiza a mano.

WUR está desarrollando un dispositivo junto con una compañía para medir las diversas variables (como la forma, el color y las partes del cuerpo, como los ojos o el vientre) del pez. De este modo, los peces se retiran del tanque de cría. Un algoritmo, desarrollado por la Unidad de negocios de horticultura de invernadero, compara las características de los peces con la información genética de una base de datos. El dispositivo luego ordena el pescado. Toda la operación se completa en aproximadamente 30 segundos.

http://bit.ly/2Z4LCx8

 
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