Machine Learning – KW Foundation

Programadores: Por qué la IA no va a quitarte el trabajo (pero deberías aprenderla ya)

La inteligencia artificial (IA) ha dejado de ser una promesa lejana para convertirse en una realidad que está transformando industrias a gran velocidad. Tal como ocurrió hace unos años con la computación en la nube, la IA está reconfigurando el mercado laboral, especialmente en el sector tecnológico. No importa si trabajas como desarrollador junior o si llevas años en la industria; la revolución de la IA te afecta, y más pronto que tarde tendrás que adaptarte a estos cambios si quieres mantenerte relevante.

El Clínico y la Inteligencia Artificial

Una nueva era de procesamiento de datos y de ayudas para la clínica que requiere una integración armoniosa.

Modelos predictivos en salud basados en aprendizaje de máquina (machine learning)

Encontrar la causalidad en medicina es el mayor interés de la investigación científica, para luego generar intervenciones que traten o curen la enfermedad. La mayoría de los modelos estadísticos clásicos permiten inferir asociación, y solo pocos diseños logran demostrar causa efecto con una adecuada metodología y sólida evidencia. La medicina basada en la evidencia respalda sus hallazgos en modelos que desde una hipótesis salen a buscar datos para demostrarla o descartarla. Ello también aplica en la elaboración de modelos predictivos que sean confiables y que produzcan algún impacto en la práctica clínica.

Inteligencia artificial al servicio de la salud del futuro

Desde sus orígenes, la medicina ha estado más ligada a la cura de enfermedades que a su prevención. Con los últimos avances en ciencia, tecnología y procesamiento masivo de datos, este paradigma está cambiando, focalizándose en mantener la salud de los individuos, evitando que padezcan alguna enfermedad. Este nuevo enfoque es llamado “Medicina 4P”, el cual propone que la medicina debe ser Preventiva, Participativa, Predictiva y Personalizada. En este artículo analizaremos cómo la Inteligencia Artificial (IA), a través del procesamiento de datos como el DNA, las fichas médicas electrónicas y las variables medioambientales a las que han estado expuestas las personas, puede contribuir de forma decisiva al desarrollo de una nueva propuesta en el cuidado de la salud.

Combatir la desinformación en internet

La desinformación en la Red es un desafío creciente. La combinación de ‘machine learning’ y ‘watermarking’, un conjunto de técnicas para incrustar marcas en contenidos multimedia y texto, ofrece una estrategia resiliente para combatirla.

¿Podemos detectar la ansiedad y otros trastornos mentales a partir de las palabras que usamos?

Esperanza (nombre ficticio) se encuentra en la consulta de la psicóloga para tener su primera sesión. No se trata de la habitual sala de espera con una mesa baja de cristal en el centro y algunas revistas de moda desperdigadas

El fútbol humanoide de DeepMind

La firma de inteligencia artificial respaldada por Alphabet está utilizando juegos virtuales para ayudar a que sus creaciones digitales se muevan más como humanos.

3 formas prácticas para convertirse en un ciudadano científico de datos y entender el aprendizaje automático

Hayes recomendó a la audiencia: “Lo que importa es quién está más cerca del problema y quién es el adecuado según la experiencia para resolverlo”.

Inyectar equidad en los modelos de aprendizaje automático

Si un modelo de aprendizaje automático se entrena con un conjunto de datos desequilibrado, como uno que contiene muchas más imágenes de personas con piel más clara que personas con piel más oscura, existe un riesgo grave de que las predicciones del modelo sean injustas cuando se implemente en el mundo real.

Cuando se trata de IA, ¿podemos deshacernos de los conjuntos de datos?

Se necesitan enormes cantidades de datos para entrenar modelos de aprendizaje automático y así realizar tareas de clasificación de imágenes, como identificar daños en fotografías satelitales después de un desastre natural.

Política de Cookies