Un innovador prototipo basado en la inteligencia artificial, llamado PerfilNet.Pyros, ayuda ya a esclarecer la autoría de incendios forestales, en un proyecto de la Universitat Autònoma de Barcelona (UAB).

Según explican los investigadores Rosario Delgado y Xavier-Andoni Tibau, del grupo de Métodos Cuantitativos en Criminología de la UAB, los agentes que indagan en la reciente ola de incendios de Galicia --en la que fallecieron cuatro personas y hubo 49.000 hectáreas quemadas-- "ya pueden consultar y usar" este prototipo.

PerfilNet.Pyros es un sistema experto basado en redes bayesanas, lo que significa "un sistema informático de inteligencia artificial con capacidad para aprender, razonar, comunicar y ayudar a obtener conclusiones lógicas a partir de los datos existentes", en este caso en relación con el perfil de incendiarios.

Hola amigos, y bienvenidos a una entrega más de Datamanía. Aunque sea la primera entrega. Lo primero que necesitaremos para nuestro Machine Learning, serán los datos. Y además en este caso vamos a hacer un clasificador. ¿Qué diferencia hay entre un clasificador y una regresión? Pues que en un clasificador tenemos clases discretas, por ejemplo los colores por su nombre (rojo, verde, azul, blanco,...) mientras …

La empresa CDiscount, un supermercado online francés del grupo Casino, acaba de lanzar en Kaggle (la plataforma online de competiciones sobre Data Science) un reto que consiste en que a partir de fotos de sus artículos y sus clasificaciones, se consiga clasificar otras imágenes en sus categorías. Se repartirán 35.000$ en premios repartidos de la manera 20.000 para el ganador, 10.000 para el segundo y 5.000 para el tercero, y se disponen de 3 meses hasta la finalización de la competición. El reto en números: 15 millones de …

La mayor parte del progreso llevado a cabo en los últimos años en el deep learning aplicado a la visión artificial se debe a únicamente a un pequeño grupo de arquitecturas de redes neuronales: VGG16, VGG19, ResNet50, Inception v3, Xception y MobileNet.

Dejando a parte las matemáticas, el código y los detalles de implementación, el artículo explora una cuestión simple: ¿Cómo y por qué funcionan esos modelos?

Las redes VGG siguen la estructura básica de las redes de convolución y MobileNet es esencialmente una versión de Xception para aplicaciones móviles. Las tres restantes, sin embargo, redefinen nuestra visión de las redes neuronales. El post se centra en el planteamiento subyacente a las arquitecturas ResNet, Inception y Xception y en por qué se han convertido en los elementos básicos de tantos proyectos de visión artificial.

Las redes neuronales profundas cuentan con muchos parámetros entrenables que se emplean para realizar inferencias. A menudo esto plantea dos problemas: por una parte el modelo realiza predicciones en ocasiones no demasiado acertadas y por otra es necesario mucho tiempo para entrenarlo. En este post se tratan dos ténicas novedosas para incrementar la precisión (Snapshot ensembles) y reducir el tiempo de entrenamiento (FreezeOut).

Papers originales:
- Snapshot Ensembles: Train 1, get M for free
- FreezeOut: Accelerate Training by Progressively Freezing Layers

Las estructuras de las redes sociales extraídas de las siete películas, tanto las formadas en cada película como en toda la saga, revelan algunas diferencias sorprendentes entre la trilogía original, las precuelas y la secuela.

Código fuente y redes sociales en JSON: github.com/evelinag/StarWars-social-network

El Deep Learning ha sido el tema central de la comunidad del Machine Learning durante los últimos años y 2016 fue la excepción. En este artículo se revisan los avances que más han contribuido al avance del campo y los usos que ha hecho de ellos la comunidad.

Uno de los mayores retos a los que se han enfrentado históricamente los investigadores ha sido el aprendizaje no supervisado y 2016 ha sido un gran año en este campo principalmente debido a la ingente cantidad de trabajos sobre Modelos Generativos.

Así mismo, la capacidad para comunicarse naturalmente con máquinas ha sido siempre uno de los objetivos soñados y en 2016 se ha avanzado enormemente en la resolución de varios problemas de Procesamiento de Lenguaje Natural (NLP) cruciales para alcanzar este objetivo.

Es difícil realizar un seguimiento de todas las nuevas arquitecturas de redes neuronales que están surgiendo. Conocer sus abreviaturas (DCIGN, BiLSTM, DCGAN, anyone?) puede ser un poco agobiante al principio. Así que Fjodor Van Veen decicidió crear esta es "chuleta" que contiene muchas de estas arquitecturas y una breve descripción de las mismas.

Un árbol de decisión te encamina hacia una predicción a través de una serie de preguntas sobre si un elemento pertenece o no a un determinado grupo. Dese la primera pregunta, llamada "nodo naíz", te mueves por las ramas en función de los grupos a los que pertenezca el elemento hasta que alcanzas la predicción, un "nodo hoja".

Pero empezar con la pregunta binaria que mejor divida los datos puede no llevarte a las predicciones más acertadas. A veces, divisiones menos efectivas pueden llevarte a mejores predicciones.

El término “Data Science” ha surgido recientemente para designar específicamente una nueva profesión que se espera que interprete los enormes repositorios de big data. Pero la interpretación de datos tiene una larga historia y ha sido tratada por científicos, estadísticos, bibliotecarios, informáticos y otros durante años. La siguiente línea temporal traza la evolución del término “Data Science” y su uso, intentos de definirlo y términos relacionados.