AI

Pixelabs Tartaglia

TARTAGLIA: un nuevo impulso para la mejora del sector salud.

Presentación de las fases del proyecto con todos los integrantes del consorcio.   Pixelabs forma parte del consorcio público-privado formado por 16 entidades que buscan acelerar y mejorar la investigación clínica y sanitaria en España.   Este consorcio está trabajando en el proyecto Tartaglia enmarcado dentro del programa Misiones de I+D en Inteligencia Artificial de la agenda España Digital 2025 y de la Estrategia Nacional de Inteligencia Artificial y estará financiado por la Unión Europea a través de los fondos Next Generation EU.   Pixelabs lidera el paquete de trabajo sobre investigación en los modelos predictivos para el cribado automático de la retinopatía diabética usando redes neuronales convolucionales. Poder dar a conocer este tipo de investigación clínica, es una manera de contribuir en el avance de la sociedad y para nosotros es muy importante que parte de nuestros esfuerzos tecnológicos como compañía tengan un impacto positivo en las instituciones, sociedad y ciudadanos.   Eneka Carnicer, coordinadora del paquete...

Continue Reading
Pixelabs Biotecnología e IA

Biotecnología e IA: datos para un futuro mejor

La biotecnología es una amplia rama interdisciplinaria de las ciencias biológicas que consiste en toda aplicación tecnológica que utilice sistemas biológicos y organismos vivos o sus derivados para la creación o modificación de productos o procesos para usos específicos. Dichos organismos pueden o no estar modificados genéticamente, por lo que no hay que confundir Biotecnología con Ingeniería Genética. La Organización para la Cooperación y el Desarrollo Económico (OCDE) define la biotecnología como la «aplicación de principios de la matemáticas en la ingeniería para tratamientos de materiales orgánicos e inorgánicos por sistemas biológicos para producir bienes y servicios». Sus bases son la biología, ingeniería, física, química, y biomedicina; y el campo de esta ciencia tiene gran repercusión en la farmacología, la medicina, la bromatología, el tratamiento de residuos sólidos, líquidos y gaseosos, la industria, la ganadería y la agricultura.   Trabajar en el ámbito de la biotecnología implica tener voluminosos conjuntos de datos...

Continue Reading
Tartaglia Pixelabs

Pixelabs forma parte del proyecto TARTAGLIA

Estamos más que contentos de anunciar que formamos parte del consorcio liderado por GMV. El consorcio de constitución público y privada, se encargará de la creación de una red federarada basada en inteligencia artificial para acelerar la investigación clínica. El proyecto se enmarca dentro del programa Misiones de I+D en Inteligencia Artifcial y además está financiado por los fondos Next Generation EU. En esta colaboración publico-privada, se espera avanzar en la investigación clínica y tecnológica, y de otras herramientas de vanguardia como el Big Data. Adjuntamos nota de prensa con todo el detalle del programa.   Dentro de este proyecto de gran magnitud, Pixelabs lidera la creación de modelos predictivos para el cribado automático de la retinopatía diabética usando redes neuronales convolucionales. Estos modelos serán usados dentro de la propia red federada y se usarán datos distribuidos.     Imagen de presentación Pixelabs PT8.       El proyecto Tartaglia ha recibido financiación del Ministerio de Asuntos Económicos y Transformación...

Continue Reading
Happy New Year Pixelabs

Pixelabs Year Review

english (spanish version below)     This year we return to our tradition of closing the year, sharing a brief review of our milestones. We would like to wish all our customers and partners a Happy New Year, hoping that 2022 will be the year of a recovery that is slowly awakening throughout the economic and business environment.   This year, we've worked alongside our clients to consolidate our portfolio and solutions. We would like to thank all of them for their confidence in us. Our solutions make operational processes at all levels easy, fast and robust, helping our customers to focus on their core business. By using AI, all our clients can make better decisions while reducing costs. Next year will be marked by our innovation strategy. We are accelerating innovation as part of the core of Pixelabs. We're an innovative company and since the beginning of this year, we have focused on everything that matters,...

Continue Reading
Pixelabs Machine Learning 2

Machine Learning (II) – Aprendizaje No Supervisado

Machine Learning (II)   Hoy vamos a continuar con los algoritmos más usados en Machine Learning, concretamente los algoritmos de Aprendizaje no Supervisado. Recordando un poco el anterior artículo, los algoritmos de Aprendizaje no Supervisados infieren patrones de un conjunto de datos sin referencia a resultados conocidos o etiquetados. A diferencia del Aprendizaje Supervisado, los métodos de Aprendizaje no Supervisado no se pueden aplicar directamente a un problema de regresión o clasificación porque no tiene idea de cuáles pueden ser los valores de los datos de salida, lo que hace imposible que entrene el algoritmo de la forma en que lo haría normalmente. En cambio, el aprendizaje sin supervisión puede utilizarse para descubrir la estructura subyacente de los datos.   Aprendizaje No Supervisado Los algoritmos de Aprendizaje no Supervisados te permiten realizar tareas con datos no etiquetados a diferencia del Aprendizaje Supervisado. Sin embargo, el aprendizaje sin supervisión puede ser más impredecible en comparación con otros...

Continue Reading
Machine Learning Pixelabs 1

Machine Learning (I) – Aprendizaje Supervisado

Machine Learning (I) Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana. Veamos cuales son estos algoritmos.   Los algoritmos de aprendizaje automático se pueden dividir en tres grandes categorías: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. El aprendizaje supervisado es útil en los casos en que una propiedad (etiqueta) está disponible para un determinado conjunto de datos (conjunto de formación), pero debe predecirse para otras instancias. El aprendizaje no supervisado es útil en los casos en que el desafío consiste en descubrir relaciones implícitas en un conjunto de datos...

Continue Reading
Pixelabs Gitex Post 2

Pixelabs is attending GITEX Technology Week in Dubai.

Madrid 18 October 2021   Pixelabs is attending GITEX Technology Week in Dubai. Interested in what Pixelabs has to offer? Contact Carlos Sanguesa     This is a unique opportunity to strengthen our vision of the global market, as well as to come back from this interesting event with potential partners and clients. We are looking forward to a week full of events, conferences, and meetings at the highest level.     GITEX is one of the most important trade fairs in the UAE in the field of technology, electronics, and innovation. GITEX will bring together the most cutting-edge companies in cybersecurity, artificial intelligence, big data, or 5G among many other new technologies. You can check the official agenda and tracks of the event on its official website. Microsoft, Cisco, AWS, or BitDefender are among many other exhibitors worldwide and from more than 29 countries.  We will be among the best exhibitors discovering new opportunities and new ways to innovate.            ...

Continue Reading
postRN1

¿Qué son las Redes Neuronales Convolucionales? (Parte 2)

Si recordáis, en la primera parte de las CNN os contaba que era el kernel y como hacíamos la convolución (¿Que son las Redes Neuronales Convolucionales? Parte 1). En este primer proceso se da un paso más tras la convolución del kernel y es la aplicación de una función de activación. En este caso se usa la función ReLu (Rectifier Linear Unit).   Pero… ¿Por qué se usa esta función con las CNN? pues es simple, cuando procesamos una imagen, cada capa de convolución debe capturar algún patrón en la imagen y pasarla a la siguiente capa de convolución. Los valores negativos no son importantes en el procesamiento de imágenes y se establecen en 0. Pero los valores positivos después de la convolución deben pasar a la siguiente capa. Es por eso que ReLu se está utilizando como una función de activación. Si utilizamos sigmoide o tanh, la información se pierde ya que...

Continue Reading
postRN1

¿Qué son las Redes Neuronales Convolucionales? (Parte 1)

Gran parte de la revolución que se ha vivido en los últimos años en el campo del Deep Learning ha sido gracias a la visión por ordenador o visión artificial y en especial al desarrollo de unas redes neuronales que están especializadas en trabajar con imágenes, las CNN (Convolutional Neural Networks).   La importancia de estas redes viene de su capacidad para poder descifrar los patrones más complejos en datasets masivos de imágenes, asemejándose a la forma en la que lo hace el ojo humano.   En Pixelabs son una gran herramienta para todos nuestros proyectos de visión y os vamos a contar un poco como funcionan.   En esta primera parte solo llegaremos hasta la aplicación de los filtros.     Semejanzas con el cerebro humano En 1959, Hubel y Wiesel tuvieron un papel importante en la comprensión del funcionamiento de la corteza visual, particularmente las células responsables de la selectividad de orientación y detección de bordes en los...

Continue Reading
origami_protein3_nature

DeepMind y el plegamiento de las proteinas

DeepMind y el plegamiento de las proteínas Desde 1994 y cada dos años se viene celebrando una competición para decidir el software que predice mejor la estructura de proteínas a partir de sus secuencias de aminoácidos. Esta competición conocida por sus siglas: CASP (Critical Assessment of Protein Structure Prediction) fue el escenario de todo un hito en su decimotercera edición, cuando uno de las organizaciones que participaban, DeepMind, quedó primera y con una amplia diferencia. DeepMind no se dedicaba a estudiar este problema, no era su campo de estudio, pero decidieron inscribirse y con la ayuda del deep learning lograron resultados asombrosos. Pero fue en la decimocuarta edición de la competición (2020) cuando los miembros de DeepMind, con su AlphaFold 2, demostraron que no tenían rival. Los propios organizadores de la competición afirmaron que AlphaFold 2 resolvía un problema que llevaba planteado 50 años.   Gráficas extraídas de ¡La Revolución de la INTELIGENCIA ARTIFICIAL en...

Continue Reading