MACHINE LEARNING

Machine Learning es una rama científica del ámbito de la inteligencia artificial, que crea sistemas que son capaces de aprender automáticamente.

El aprendizaje automático o Machine Learning es el estudio y el diseño de software que usa experiencias pasadas para tomar decisiones futuras, es por lo tanto, el estudio de algoritmos que aprenden de los datos.

El objetivo fundamental del aprendizaje automático es generalizar o inducir una regla desconocida a través de la observación de los ejemplos de uso de dicha aplicación.

Muchas actividades y sectores ya están aprovechando el Machine Learning. Sectores como el de compras online (recomendaciones de productos en base a visitas previas), Online advertising  o filtros anti spam llevan tiempo aplicando estas tecnologías.

APLICACIONES DEL MACHINE LEARNING

• Detectar fraude en transacciones.
• Predecir fallos en equipos tecnológicos/ sistemas industriales.
• Prever qué empleados serán más rentables el año que viene (el sector de los Recursos Humanos está apostando seriamente por el Machine Learning).
• Predecir el tráfico urbano.
• Hacer pre-diagnósticos médicos basados en síntomas del paciente.
• Detectar intrusiones en una red de comunicaciones de datos.

DEEP LEARNING

Dentro del Machine Learning existe un tipo de algoritmo predictivo de aprendizaje automático, basado en redes neuronales, capaz de realizar predicciones más eficientes y de una forma más precisa y automatizada, es el Deep Learning.

El Deep Learning o Aprendizaje Profundo, es un tipo de algoritmo basado en redes neuronales, inspirado en la representación del cerebro humano para el procesamiento de señales naturales.

El Deep Learning ha atraído a la comunidad académica y tecnológica durante los últimos años debido a su desempeño en numerosas áreas de investigación como medicina, visión por ordenador, reconocimiento de voz, etc.

Hoy en día, grandes empresas tecnológicas como Facebook, Apple y Google recopilan y analizan una gran cantidad de datos a diario y están tomando gran interés en proyectos relacionados con el aprendizaje profundo, reduciendo el tiempo y costes del desarrollo de esta tecnología.

El funcionamiento consiste en un modelo computacional, que basado en un gran conjunto de unidades simples (neuronas artificiales) imitan el comportamiento de las neuronas en organismos biológicos. Cada “neurona” se encuentra conectada con otras y en constante comunicación.  Este conjunto de capas que pueden formar las neuronas conectadas entre las adyacentes conforma la red del sistema.

APLICACIONES DEL DEEP LEARNING

• Traducción automática: ésta es una tarea donde, dadas unas palabras, frases u oraciones se traducen automáticamente a otro idioma. Se ha ido desarrollando desde hace años, han destacado tanto en la traducción de texto (Traductores ionline) como en la traducción de imágenes. Por un lado en el caso del texto, el algoritmo puede aprender la dependencia entre palabra y asignarlas a un nuevo idioma. Por otro, las redes neuronales se usan para identificar las imágenes que tienen caracteres y donde se encuentran las letras en la escena.

• El uso de servicios por reconocimiento de voz cada vez resulta más cómodo, gracias a que llegan a ser muy precisos y rápidos. Las grandes empresas de tecnología trabajan en sus posibilidades, especialmente con los servicios que ofrecen a través del móvil.

• Colorear fotos en blanco y negro de forma automática: el Deep Learning es capaz de identificar dentro de una fotografía los objetos y su contexto para después darle color. El sistema se basó en la base de datos Image NET .

En IDavinci sabemos las posibilidades que tienen estas nuevas tecnologías y tenemos varios proyectos en marcha que las utilizan.