¿Cuál es la innovación en las aplicaciones comerciales de hoy en día?. Estas aplicaciones siempre #presentan el mismo proceso, la mejora #consiste en el proceso de informatización. Durante varios años, se han producido muchas #evoluciones en la metodología de los desarrollos para ser siempre más productivos y receptivos.

Como se trata de un #evento de Google, por supuesto se habló principalmente de las tecnologías de Google, #incluida Google Cloud Platform (GCP).

Google Cloud Platform:

Es la plataforma que reúne los diversos servicios en la nube de #Google. Estos servicios son tan variados como informática, almacenamiento, redes, #Big Data, Machine Learning, Internet of Things (IOT), seguridad, administración de la nube y desarrollo de aplicaciones que se inician directamente en Internet.

#Servidores de Google.

Lo que nos interesa principalmente aquí es el Aprendizaje automático. Debido a que "el aprendizaje automático es una forma #transformadora, estuvieron reconsiderando todo lo que estaban haciendo", #dijo Sundar Pichai, CEO de Google. Entonces, si Sundar dice que es una forma #fundamental de transformación digital, echémosle un vistazo más de cerca.

Aprendizaje automático, en pocas palabras Machine Learning (o machine Liaoning, en francés en el texto) es más un concepto que un #sistema real, es una sub-rama de la Inteligencia Artificial (AI). Machine Learning es una tecnología de inteligencia artificial que permite que las computadoras #aprendan sin haber sido explícitamente programadas para ese propósito.

De hecho, es una especie de Palabra de Buzz... El #aprendizaje automático no es una disciplina #nueva, pero tiene sentido con la llegada de Big Data. Para aprender y crecer, las computadoras necesitan #datos para analizar y para entrenar.

La esencia

Big Data es la esencia del aprendizaje #automático. Este último se #divide en 2 etapas: una fase de entrenamiento (durante la cual el sistema envuelve y aprende en una primera parte de los datos) seguida de una #fase de verificación (la validez de las predicciones se prueba en la segunda parte de los datos no aprendidos).

¿Cuál es el aprendizaje más frecuente?

El ejemplo más frecuentemente citado de la aplicación de aprendizaje automático es el aprendizaje supervisado de objetos. Por ejemplo, un algoritmo puede ser #alimentado con millones de #imágenes de gatos identificados como felinos. El algoritmo de aprendizaje supervisado #debería ser capaz de reconocer más tarde imágenes de gato (sin ser identificadas como felinos).

En el aprendizaje no supervisado, los datos no se identifican, por lo que el #algoritmo de aprendizaje debe encontrar un #terreno común en sus datos de entrada. Este aprendizaje puede conducir a un análisis predictivo.

Estos son algunos ejemplos de Machine Learning: el auto autónomo de Google, la #clasificación de correos electrónicos en Gmail, y no solo Google sabe cómo #practicarlo, también está la traducción en tiempo real de #Skype. Reconocimiento de voz Siri Apple.

La máquina de aprendizaje se divide en 3 fases:

  1. La representación consiste en #encontrar el modelo #matemático más apropiado;
  2. La evaluación mide la diferencia entre el #modelo y la realidad de los #datos de prueba;
  3. La optimización tiene como #objetivo reducir esta brecha.

Volviendo a Google, con respecto a la inteligencia artificial, ofrece su #Cloud Machine Learning Engine, un #servicio que permite a los usuarios desarrollar y entrenar modelos de aprendizaje automático.

Diferentes API también está #disponibles para la traducción y el análisis de discursos, textos, imágenes o vídeos.

¡No te pierdas nuestra pagina de Facebook!!