Machine Learning España #190821

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.

Ingeniería de software para Machine Learning: un estudio de caso

Anteriormente analizamos la difusión de Machine Learning a través de Facebook y Google y algunas de las lecciones aprendidas junto con los procesos y las herramientas para abordar los desafíos que surgen. Hoy es el turno de Microsoft. Más específicamente, analizaremos los resultados de un estudio interno con más de 500 participantes diseñados para descubrir cómo está cambiando el desarrollo de productos y la ingeniería de software en Microsoft con el aumento de la Inteligencia Artificial y Machine Learning.

Una lista de áreas de aplicación incluye búsqueda, publicidad, traducción automática, predicción de compras de clientes, reconocimiento de voz, reconocimiento de imágenes, identificación de clientes potenciales, asesoramiento de diseño para presentaciones y documentos de procesamiento de textos, creación de características de dibujo únicas, atención médica, mejora de la jugabilidad, pronóstico de ventas, optimización de decisiones, informes de incidentes, análisis de errores, detección de fraudes y monitoreo de seguridad.

Como puede imaginar, estos están respaldados por una amplia variedad de diferentes modelos de Machine Learning. Los equipos que realizan el trabajo también varían en su composición, algunos contienen científicos de datos con muchos años de experiencia y otros recién comienzan. De una manera que recuerda mucho el modelo de evolución de la experimentación en línea en Microsoft que vimos anteriormente, Ciencia de Datos pasa de una habilidad especializada a una capacidad profundamente integrada a lo largo del tiempo:

Algunos equipos de software emplean científicos de datos de Polymath, que "lo hacen todo", pero a medida que Ciencia de Datos necesita escalar, sus roles se especializan en expertos en dominios que entienden profundamente los problemas comerciales, modeladores que desarrollan modelos predictivos y constructores de plataformas que crean la infraestructura basada en la nube.

Para ayudar a difundir estas habilidades a través de la empresa, se utilizan una variedad de tácticas: una conferencia interna dos veces al año sobre Machine Learning y Ciencia de Datos dedica al menos un día a los conceptos básicos de tecnologías, algoritmos y mejores prácticas; se realizan charlas internas durante todo el año sobre detalles de ingeniería detrás de proyectos y avances de vanguardia de conferencias académicas; varios equipos organizan foros abiertos semanales sobre Machine Learning y Deep Learning; y hay listas de correo y foros en línea con miles de participantes.

Se envió una encuesta informada por conversaciones con 14 líderes de Machine Learning experimentados dentro de Microsoft a 4195 miembros de esas listas de correo internas, obteniendo 551 respuestas. Los encuestados estaban bien distribuidos en datos y ciencias aplicadas (42%), ingeniería de software (32%), gestión de programas (17%), investigación (7%) y otros (1%). El 21% de los encuestados eran gerentes y el resto eran contribuyentes individuales.

http://bit.ly/2ZbSHfv

 

Aprendizaje profundo para PNL: ¡explicamos ANN, RNN y LSTM!

¿Alguna vez has fantaseado con tener tu propio asistente personal para responder cualquier pregunta que puedas hacer o para conversar? Bueno, gracias a Machine Learning y Deep Neural Networks, esto no está lejos de suceder. Piensa en las increíbles capacidades exhibidas por Siri de Apple o Alexa de Amazon.

No te emociones demasiado, en esta próxima serie de publicaciones no crearemos una Inteligencia Artificial omnipotente, sino que crearemos un chatbot simple que, con cierta información de entrada y una pregunta sobre dicha información, responde a preguntas de sí/no con respecto a lo que se ha solicitado.

No tiene nada que ver con las capacidades de Siri o Alexa, pero ilustra muy bien cómo, incluso utilizando estructuras de redes neuronales profundas muy simples, se pueden obtener resultados sorprendentes. En esta publicación aprenderemos sobre redes neuronales artificiales, Deep Learning, redes neuronales recurrentes y redes de memoria a corto y largo plazo. En la próxima publicación los usaremos en un proyecto real para hacer una pregunta respondiendo al bot.

El comienzo: redes neuronales artificiales
Para construir el modelo de red neuronal que se utilizará para crear el chatbot, se utilizará Keras, una biblioteca muy popular de Python para redes neuronales. Sin embargo, antes de continuar, primero tenemos que entender qué es una red neuronal artificial o ANN.

Los ANN son modelos de Machine Learning que intentan imitar el funcionamiento del cerebro humano, cuya estructura se construye a partir de una gran cantidad de neuronas conectadas entre ellos, de ahí el nombre de "Redes neuronales artificiales"

http://bit.ly/2KEDpYl

 

Global Inteligencia Artificial / Machine Learning Market 2019 - 2025 GOOGLE, IBM, BAIDU, SOUNDHOUND, ZEBRA MEDICAL VISION, PRISMA, IRIS Inteligencia Artificial, PINTEREST

Market Research Store ha lanzado su último informe sobre "AI / Machine Learning Market" que calcula la tendencia de crecimiento de la industria a través de datos anteriores y juzga las posibilidades futuras en función de una base exhaustiva. El informe Inteligencia Artificial / Machine Learning ofrece en general el segmento de mercado, el desarrollo, las tendencias y la predicción para el período 2019-2026.

El informe de investigación Inteligencia Artificial / Machine Learning elabora con precisión cada minuto de detalle relacionado con el mercado de Inteligencia Artificial / Machine Learning. Permite al usuario estudiar y descubrir las perspectivas futuras del mercado y realizar los datos de análisis para impulsar el negocio.

El impulso de crecimiento estimado a causa de una investigación exhaustiva proporciona datos completos sobre el mercado de Inteligencia Artificial / Machine Learning, y ofrece el marco de progreso para las diversas redes de negocios conectadas, que incluyen varias empresas, industrias, organizaciones, proveedores, distribuidores, así como productores locales.

La competencia surge cuando las empresas líderes ofrecen mejores productos y servicios a un precio justo para obtener una base de clientes crucial desde una perspectiva local e internacional.

Los jugadores líderes en el mercado global de Inteligencia Artificial / Machine Learning son GOOGLE, IBM, BAIDU, SOUNDHOUND, ZEBRA MEDICAL VISION, PRISMA, IRIS Inteligencia Artificial, PINTEREST, TRADEMARKVISION, DESCARTES LABS, Amazon.

http://bit.ly/33H96b4

 
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