Machine Learning España #190906

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.

Kaiser Permanente desarrolla una herramienta de Machine Learning para predecir el riesgo de VIH

Los investigadores de Kaiser Permanente desarrollaron un algoritmo de Machine Learning que los investigadores dicen que podría ayudar a prevenir la transmisión del VIH.

La herramienta analítica identifica de manera más efectiva a las personas en riesgo de contraer el VIH en comparación con otras herramientas de predicción del riesgo de VIH, para permitir que más pacientes en riesgo sean derivados a medicamentos preventivos, según un estudio que describe la herramienta de predicción publicada el 5 de julio en The Lancet HIV.

Los investigadores de Kaiser Permanente San Francisco, la División de Investigación de Kaiser Permanente, el Centro Médico Beth Israel Deaconess y la Escuela de Medicina de Harvard analizaron los registros médicos de 3,7 millones de pacientes de Kaiser Permanente y desarrollaron un algoritmo de Machine Learning para predecir quién se infectaría con VIH en un período de tres años.

El algoritmo encontró que el 2.2% de todos los pacientes tenían un riesgo alto o muy alto.

Este grupo de pacientes señalados incluyó a casi la mitad de los hombres que luego se infectaron, una mejora significativa de otras herramientas de predicción de riesgo de VIH publicadas, según el estudio.

http://bit.ly/2H7HYZ3

 

Desafíos del mercado de Machine Learning para los nuevos participantes 2019-2026

Un informe del mercado de Machine Learning evalúa las características importantes del mercado de Machine Learning en función de los escenarios actuales de la industria, las demandas del mercado y las estrategias comerciales. El informe del mercado separa la industria de Machine Learning en función de los tipos, aplicaciones, jugadores clave y regiones.

El informe de mercado de Machine Learning ofrece una evaluación completa de la industria. Las proyecciones incluidas en el informe se han determinado utilizando filosofías y presunciones de investigación demostradas. Por lo tanto, el informe de exploración se completa como un valioso examen y datos para cada característica del mercado, incluidos los mercados regionales, la metodología, los tipos y las aplicaciones. En una palabra, este informe ayudará al comprador a establecer un panorama del desarrollo industrial y las características del mercado de Machine Learning de 2019-2026.

Sobre Machine Learning:
El Mercado de Machine Learning se valoró en USD 2.500 millones en 2017 y se espera que alcance los USD 12.300 millones en 2026, a una tasa compuesta anual de 22.4% durante el pronóstico durante un período de pronóstico.

Competencia en el mercado de Machine Learning por parte de los principales fabricantes, con producción, precio, ingresos (valor) y participación de mercado para cada fabricante. Los mejores jugadores incluyen:
Apple
Ayasdi
Digital Reasoning
Darktrace
Dataiku
Facebook
Feedzai
Google
IBM Watson
Luminoso
N-iX
QBurst
Qualcomm
Skytree
Uber

Mercado de Machine Learning por tipos y aplicaciones:
- Mercado global de Machine Learning por componente: Software, Servicios
- Mercado global de Machine Learning por servicio: Servicios profesionales, Servicios gestionados
- Mercado global de Machine Learning por Modelo de implementación: Nube, local, global
- Mercado de Machine Learning por tamaño de organización: PYME, grandes empresas
- Mercado global de Machine Learning por sector vertical: BFSI, salud y ciencias biológicas, comercio minorista, telecomunicaciones, gobierno y defensa, fabricación, energía y servicios públicos, otros.

http://bit.ly/34sadLU

 

Cómo la Inteligencia Artificial está haciendo el cambio del sistema al ecosistema

Cuando IBM presentó por primera vez su sistema Watson en el programa de juegos Jeopardy! en 2011, fue como algo sacado de la ciencia ficción. Aquí había un ordenador que no solo podía entender las preguntas habladas, sino responderlas más rápido y con mayor precisión que los mejores jugadores humanos. Nadie había visto algo así ni remotamente antes.

Hoy, menos de una década después, la Inteligencia Artificial se ha transformado de lo increíble a algo cercano a lo mundano. No solo tenemos capacidades similares al sistema original de Watson en nuestros teléfonos, también podemos acceder a recursos de primer nivel de varias compañías, a menudo de forma gratuita.

Sin embargo, probablemente la mayor diferencia con respecto a esos primeros días de Watson es cómo la Inteligencia Artificial ha evolucionado de un sistema a un ecosistema. Al igual que la evolución de los mainframes a los ordenadores personales, las compañías ahora pueden acceder a diferentes componentes para construir un sistema diseñado específicamente para sus negocios. Así es como una tecnología se transforma.

Adquisición de recursos de datos
Lo que hace que la Inteligencia Artificial sea diferente a las tecnologías anteriores es que el sistema aprende a medida que los datos se introducen en él. Entonces, los datos son el combustible que hace que todo funcione. Es por eso que Josh Sutton, CEO de Agorai, una plataforma que ayuda a las empresas a crear aplicaciones de Inteligencia Artificial para sus negocios, llama a los datos, "el activo empresarial más valioso que no reside en un balance".

"Lo primero que sugiero que pregunte una empresa es ¿qué valor puedo crear con Inteligencia Artificial? ", dijo Sutton. “A partir de ahí, puede averiguar qué datos necesita para impulsar esas aplicaciones, qué activos de datos ya tiene, qué puede generar y qué necesita comprar. También vería qué datos tengo que pueden ser valiosos para otros, pero no de valor estratégico para mí, que puedo usar para generar un flujo de ingresos".

http://bit.ly/2ZKy36m

 
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