Archivo de la etiqueta: Aprendizaje automático

Big Data, Machine learning y Business Intelligence. Libro Blanco.

WHITE PAPER. Big Data, Machine learning y Business Intelligence. NUVIX, 2021

Texto completo

La revolución del dato ha venido a quedarse y las empresas tienen en su mano herramientas para poder ganarle el pulso a la demanda y ofrecer su mejor versión. Las herramientas de gestión y procesamiento de información están cambiando el mundo empresarial y gracias a este documento podrás comprender las ventajas del conocimiento del dato. Hay oportunidades para procesar toda esa información que permitirán a cualquier negocio mejorar la toma de decisiones, lograr la optimización de los activos, reducir gastos, personalizar los servicios o simplemente conocer la viabilidad de nuevas líneas de negocio.

Cuando se tiene gran cantidad de datos surge la oportunidad de extraer conocimiento nuevo de ellos. No obstante, el volumen es tal que detectar patrones y sacar conclusiones escapa a las habilidades normales de un ser humano.

Aprendizaje automático con MATLAB

Machine Learning con MATLAB. The MathWorks, 2021

Texto completo

¿Te enfrentas a un problema complejo que implica una gran cantidad de datos y de variables ?. El aprendizaje automático (Machine Learning) te parece la mejor solución, pero no lo has utilizado antes. ¿Cómo gestionar datos desorganizados, incompletos o que se presentan en una variedad de diferentes formatos? ¿Cómo elegir el modelo adecuado para gestionar tus datos? ¿No sabes por dónde empezar? No te desanimes. Un flujo de trabajo sistemático te ayudará a empezar sin problemas.

Actitudes globales hacia la inteligencia artificial, el aprendizaje automático y la toma de decisiones automatizada

Lisa-Maria Neudert , la Dra. Aleksi Knuutila y Philip N. Howard. Global Attitudes Towards AI, Machine Learning & Automated Decision Making. Oxford Internet Institute, 2020

Texto completo

En un nuevo estudio realizado por investigadores del Oxford Internet Institute se muestran que las percepciones públicas sobre el uso de la IA en la vida pública están divididas, con poblaciones en Occidente, generalmente más preocupados por la IA que los de Oriente

  • A casi la mitad (47%) de los norteamericanos les preocupa el uso de la IA en la vida pública
  • Los encuestados chinos están menos preocupados por los posibles daños de la IA en nuestra vida diaria
  • Las empresas son más optimistas que otros sectores industriales sobre los beneficios de la IA

Los hallazgos muestran diferencias regionales significativas, siendo los norteamericanos y latinoamericanos más escépticos sobre los beneficios de la IA, con al menos el 40% de sus poblaciones que creen que la IA será dañina, mientras que solo el 25% de los que viven en el sudeste asiático y solo el 11% de los que viven en Asia oriental expresaron preocupaciones similares.

Elsevier OA CC-BY Corpus: 40.000 artículos abiertos y sus metadatos

 

how-parse-trees-work

Elsevier OA CC-BY Corpus. 

Noticia y corpus

 

Este es el primer corpus abierto de artículos de investigación científica que tiene una muestra representativa de todas las disciplinas científicas. Este corpus no solo incluye el texto completo del artículo, sino también los metadatos de los documentos, junto con la información bibliográfica de cada referencia.

Este conjunto de datos se publicó para respaldar el desarrollo de modelos de  aprendizaje automático (ML) y procesamiento del lenguaje natural (NLP)  dirigidos a artículos científicos de todos los dominios de investigación. Si bien la versión se basa en otros conjuntos de datos diseñados para dominios y tareas específicos, permitirá derivar conjuntos de datos similares o desarrollar modelos que se puedan aplicar y probar en todos los dominios.

PimEyes: herramienta de reconocimiento facial por aprendizaje automático

 

ef4ee21f-pim

 

PimEyes

 

PimEyes es una herramienta avanzada que te ayudará a encontrar la cara que busca en Internet. Esto es posible gracias a la última tecnología: reconocimiento facial combinado con el poder del aprendizaje automático.

Puede enviar una imagen de la cara a PimEyes para encontrar a la persona en Internet. PimEyes utiliza algoritmos modernos de reconocimiento facial y el poder del aprendizaje automático para generar resultados de búsqueda de la más alta calidad. La aplicación se centra solo en reconocimiento de caras, la composición y los colores de la imagen no son importantes. El  motor de búsqueda no compara el corte de pelo, solo importan los rasgos faciales.

Según la información que proporciona la página, la imagen que envías a PimEyes se guarda temporalmente durante 48 horas. No almacena ningún dato privado de los usuarios. Buscar con PimEyes es seguro y está protegido. Si desea eliminar su imagen, utilice el botón especial «Informar abuso» en la esquina inferior derecha de cada resultado de búsqueda. Luego complete el formulario y envíe su solicitud.

Con la versión gratuita de PimEyes, puedes buscar en toda la base de datos de PimEyes. Sin embargo, si no es un miembro premium, no podrás averiguar dónde se encuentra una imagen específica. Los miembros Premium también tienen acceso a funciones adicionales, por ejemplo, filtros de búsqueda, y mayores límites de alertas de PimEyes.

New York Times está utilizando Google Cloud para encontrar historias no contadas en millones de fotos archivadas

 

morgue7.max-2200x2200-1

 

Sam Greenfield. Picture what the cloud can do: How the New York Times is using Google Cloud to find untold stories in millions of archived photos. Google Cloud Blog, 2019

Ver completo

Durante más de 100 años, The Times ha archivado aproximadamente de cinco a siete millones de sus fotos antiguas en cientos de archivadores tres pisos debajo del nivel de la calle cerca de sus oficinas de Times Square en un lugar llamado «morgue». Muchas de las fotos han sido almacenadas en carpetas y no se habían visto en años. Aunque un catálogo de tarjetas proporciona una visión general del contenido del archivo, hay muchos detalles en las fotos que no se capturan en forma indexada.

El depósito contiene fotos de finales del siglo XIX, y muchos de sus contenidos tienen un gran valor histórico, algunos que no se almacenan en ningún otro lugar del mundo. En 2015, una tubería rota inundó la biblioteca de archivos, poniendo en riesgo toda la colección. Afortunadamente, solo se causaron daños menores, pero el evento planteó la pregunta: ¿cómo pueden almacenarse de manera segura algunos de los activos físicos más preciados de la compañía?

Google Cloud se ha asociado con The New York Times para ayudarlos a digitalizar su vasta colección de fotos. Está haciendo uso de numerosas herramientas dentro de Google Cloud Platform que les permiten almacenar de forma segura sus imágenes, proporcionarles una mejor interfaz para encontrar fotos y encontrar nuevos conocimientos incluso de los datos que aparecen en el reverso de las imágenes. No solo las imágenes de las fotos contienen información valiosa. En muchos casos, el reverso de las fotos incluye la hora y el lugar donde se tomó la foto.

Para preservar esta historia invaluable, y para darle a The Times la capacidad de mejorar sus informes con una historia visual y un contexto histórico aún más, The Times está digitalizando su archivo, utilizando Cloud Storage para almacenar escaneos de alta resolución de todas las imágenes del archivo.

Cloud Storage es un sistema duradero para almacenar objetos, y proporciona a los clientes como The Times una gestión automática del ciclo de vida, almacenamiento en regiones geográficamente distintas y una interfaz de administración y API fáciles de usar. Simplemente almacenar imágenes de alta resolución no es suficiente para crear un sistema que los editores de fotos puedan usar fácilmente. Un sistema de gestión de activos que funcione debe permitir que los usuarios puedan navegar y buscar fotos fácilmente. The Timesconstruyó una tubería de procesamiento que almacena y procesa las fotos y utilizará tecnología en la nube para procesar y reconocer texto, escritura a mano.

Así es como funciona. Una vez que una imagen se ingresa en el almacenamiento en la nube, The Times usa Cloud Pub / Sub para iniciar la canalización de procesamiento para realizar varias tareas. Las imágenes se redimensionan a través de servicios que se ejecutan en Google Kubernetes Engine (GKE) y los metadatos de la imagen se almacenan en una base de datos PostgreSQL que se ejecuta en Cloud SQL , la oferta de base de datos está totalmente administrada de Google.

En el caso de The Times, uno de los mayores desafíos en el escaneo de su archivo fotográfico ha sido agregar datos sobre el contenido de las imágenes. La API de Cloud Vision puede ayudar a llenar ese vacío. Si la parte posterior de las fotos contiene una gran cantidad de información útil, la API de Cloud Vision puede ayudarnos a procesarla, almacenarla y leerla. Este es solo el comienzo de lo que es posible para las empresas con archivos físicos. Pueden usar la API de Vision para identificar objetos, lugares e imágenes.

La API de lenguaje natural en la nube podría usarse para agregar información semántica adicional al texto reconocido. Por ejemplo, si pasamos el texto «The New York Time THE WAY IT WAY – Crowded Penn Station en 1942, una era en la que solo los valientes volaban – a Washington, Miami y varias estaciones de ruta» a través de Cloud Natural Language API, identifica correctamente «Penn Station», «Washington» y «Miami» como ubicaciones, y clasifica la oración completa en la categoría «viajes» y la subcategoría «autobús y ferrocarril». Es decir, utiliza un sistema de aprendizaje automático para obtener información adicional, de modo que es capaz a través de los datos obtenidos en la foto y de los contenidos en el sistema o web datos sobre la imagen que no estaban recogidos en la foto original a través de los datos masivos y la inteligencia artificial.

 

Inteligencia artificial y aprendizaje automático en bibliotecas

51czkfcxw-l._sx258_bo1204203200_

 

Griffey, JasonM ed. ‘Artificial Intelligence and Machine Learning in Libraries,”. Library Technology Reports (vol. 55, no. 1), 2019

Texto completo

 

En este número de Library Technology Reports se sostiene que el futuro cercano del trabajo en las bibliotecas se verá enormemente afectado y quizás cambie para siempre como resultado de que la inteligencia artificial (IA) y los sistemas de aprendizaje automático se conviertan en algo común. Lo hará a través de ensayos sobre la teoría y las predicciones del futuro de estos sistemas en las bibliotecas y también a través de ensayos sobre los acontecimientos actuales y los sistemas que se están desarrollando actualmente en y para las bibliotecas. Una variedad de bibliotecarios discutirán sus propios proyectos de IA y aprendizaje automático, cómo implementaron la IA y con qué fines, y qué ven como útil para el futuro de las bibliotecas al considerar los sistemas y servicios de IA. Este informe concluye con una discusión sobre las posibilidades y potenciales de usar la IA en las bibliotecas y la biblioteconomía.

 

 

 

Ciencia de Datos, Aprendizaje automático e Inteligencia Artificial en Bibliotecas

 

machine-learning-and-ai-libraries

 

Padilla, Thomas.  “Responsible Operations: Data Science, Machine Learning, and AI in Libraries”. Ohio: OCLC Research, 2019

Texto completo

El informe tiene por objeto ayudar a trazar el compromiso de la comunidad bibliotecaria con la ciencia de datos, el aprendizaje automático y la inteligencia artificial (IA), y fue desarrollado en asociación con un grupo asesor compuesto por más de 70 bibliotecarios y profesionales de universidades, bibliotecas, museos, archivos y otras organizaciones.

Esta agenda de investigación presenta un conjunto interdependiente de desafíos técnicos, organizativos y sociales que deben abordarse en el camino hacia el compromiso de la biblioteca con la gestión de los datos de investigación, el aprendizaje automático y la inteligencia artificial.

Los desafíos se organizan en siete áreas de investigación:

  • Compromiso con las operaciones responsables
  • Descripción y descubrimiento
  • Métodos y datos compartidos
  • Colecciones de Máquinas-Accionables
  • Desarrollo de la Fuerza Laboral
  • Servicios de ciencias de la información
  • Mantener la colaboración interprofesional e interdisciplinaria

Las organizaciones pueden utilizar el informe para argumentar a favor de abordar los desafíos, y las recomendaciones proporcionan un excelente punto de partida para la discusión y la acción.

 

Aprendizaje automático: una máquina lee 3.5 millones de libros para caracterizar los adjetivos asociados a hombres y mujeres

medium_jsrnhtviwvejrnvmer-gfv20pekaqivvqa3p7akuqxw

Alexander Hoyle , Lawrence Wolf-Sonkin , Hanna Wallach , Isabelle Augenstein , Ryan Cotterell. Unsupervised Discovery of Gendered Language through Latent-Variable Modeling. In Proceedings of the Annual Meeting of the Association for Computational Linguistics, 2019

Texto completo

 

Estudiar en qué medida el lenguaje que utilizamos es específico de género ha sido durante mucho tiempo un área de interés en sociolingüística. En este trabajo se analiza este fenómeno, para cuantificar el grado en que el lenguaje utilizado para describir a hombres y mujeres es diferente, y además, diferente de manera positiva o negativa. Encontramos que existen diferencias significativas entre la forma en que se describen los sustantivos masculinos y femeninos, lo que está en consonancia con los estereotipos de género más comunes: Los adjetivos positivos usados para describir a las mujeres tienen más probabilidades de estar relacionados con el cuerpo de una persona que los adjetivos que describen a los hombres.

 

Una máquina leyó 3.5 millones de libros y luego contó lo que pensaba sobre hombres y mujeres para descubrir que los adjetivos atribuidos a las mujeres tienden a describir la apariencia física, mientras que las palabras que se refieren al comportamiento se atribuyen a los hombres.

«Hermoso» y «sexy» son dos de los adjetivos más utilizados para describir a las mujeres. Los descriptores de uso común para los hombres incluyen justos, racionales y valientes.

Los investigadores revisaron una enorme cantidad de libros en un esfuerzo por descubrir si hay una diferencia entre los tipos de palabras que describen a hombres y mujeres en la literatura. Utilizando un nuevo modelo de computadora, los investigadores analizaron un conjunto de datos de 3.5 millones de libros, todos publicados en inglés entre 1900 y 2008. Los libros incluyen una mezcla de literatura de ficción y no ficción.

Podemos ver claramente que las palabras utilizadas para las mujeres se refieren mucho más a sus apariencias que las palabras utilizadas para describir a los hombres. Por lo tanto, hemos podido confirmar una percepción generalizada, solo que ahora a nivel estadístico ”, dice la científica informática y profesora asistente Isabelle Augenstein, del departamento de informática de la Universidad de Copenhague.

En la frontera del aprendizaje automático

 

43995052035_56d7d1d07c_o_d

The Frontiers of Machine Learning: Raymond and Beverly Sackler U.S.-U.K. Scientific Forum. Washington DC, National Academy of Sciences, 2018.

Texto completo

El campo del aprendizaje automático continúa avanzando a un ritmo acelerado debido al aumento de la potencia de cálculo, mejores algoritmos y herramientas, y una mayor disponibilidad de datos. El aprendizaje automático ahora se utiliza en una variedad de aplicaciones, incluido el transporte y el desarrollo de vehículos automáticos, la atención médica y la comprensión de la base genética de las enfermedades, y la justicia penal y la predicción de la reincidencia. A medida que avanza la tecnología, promete aplicaciones adicionales que pueden contribuir al bienestar individual y social.