Esperamos que estos recursos puedan servir a los lectores de este blog a comprender y revisar distintas dimensiones de las tecnologías de la información y de la comunicación en el mundo empresarial.
viernes, 9 de noviembre de 2018
Machine learning
¿Qué es machine learning?
Machine learning es una disciplina de la inteligencia
artificial que nace desde los años 60 y debido a las nuevas tecnologías
computacionales, su avance se ha acelerado. Consiste en enseñarle a una
computadora a detectar patrones y hacer conexiones mostrándole un set de datos
y aplicándole algoritmos para que la máquina parametrice cómo realizar una
tarea por sí misma; aprenda, y se vuelva más inteligente para resolver
problemas. Va más allá de lo que pueden hacer las analíticas de Big Data, y en
general más allá de lo que pueden hacer los humanos.
En la actualidad, la potencia de procesamiento es
cada vez mayor, el costo de almacenamiento se
ha hecho más accesible y los algoritmos son más
sofisticados, los dos métodos más utilizados son
los “supervisados” que requieren la intervención
humana y tiene como tarea principal hacer predicciones,
y los “no supervisados” que se ocupan
para identificar relaciones entre datos
Con Machine Learning es posible optimizar la operación
en tiempo real, contar con predicciones, personalizar
los productos y servicios, estimar la demanda
futura, conocer las tendencias, detectar anomalías,
realizar mantenimientos preventivos, procesar datos
no estructurados, hacer predicciones de diferentes
tipos, prevenir fraudes y en general, hacer más eficiente
la operación de una empresa.
No obstante, aún los mejores modelos de Machine
Learning tienen riesgos, los más comunes son
dar falsos positivos por malos algoritmos, y otro
son las intervenciones de los hackers. Para minimizar
estos riesgos, se deben implementar políticas
de seguridad adecuadas.
De acuerdo al estudio elaborado por McKinsey, Machine
Learning tiene un gran potencial para resolver diferentes
tipos de problemas de los sectores industriales más importantes,
provocando un real impacto en su operación y en la
forma de hacer negocios; en este sentido propone algunas
oportunidades por sector, de las cuales se muestra a continuación
un ejemplo para cada caso:
- Automotriz: Identificar carreteras y obstrucciones en tiempo real para autos autónomos
- Manufactura: Predecir fallas y recomendar mantenimiento preventivo en líneas de producción - Finanzas: Prevenir fraudes, lavado de dinero y personalizar la oferta de productos con base en datos multimodales - Agricultura: Personalizar técnicas de mejoramiento a parcelas específicas - Energía: Predecir fallas y recomendar mantenimiento preventivo para explotación y perforación - Salud: Diagnosticar enfermedades con escaneos, biopsias, audio y otro tipo de datos - Farmacéutico: Optimizar los estudios clínicos incluyendo la selección de pacientes - Medios de comunicación: Personalizar publicidad y recomendaciones con base en datos multimodales - Telecomunicaciones: Predecir el tiempo de vida y el riesgo de cancelación de los clientes - Logística: Optimizar precios y horarios con base en la demanda en tiempo real - Centros de distribución minorista: Optimizar el surtido de productos para maximizar ventas - Sector público y social: Optimizar la asignación de recursos para el desarrollo urbano que mejora la calidad de vida como es reducir el tráfico y bajar la contaminación. - Viajes y hotelería: Identificar rutas más eficientes y optimizar itinerario de vuelos. En la actualidad, todas las grandes empresas están invirtiendo en aprendizaje automático e inteligencia artificial, así como contratando personal especializado en estas áreas. Es decir, la utilizan para optimizar actividades entre máquina-máquina antes de utilizarla para eliminar empleos
Muy buena infografía, video y entrada en el blog, resume genial la información acerca del "learning machine" y de los sectores a los que se puede aplicar.
Muy buena infografía, video y entrada en el blog, resume genial la información acerca del "learning machine" y de los sectores a los que se puede aplicar.
ResponderEliminar