Machine Learning

3D render of an abstract landscape background with extruding blocks

Sociedad 5.0 – Ciudades inteligentes

Las poblaciones de los países asiáticos más desarrollados son algunas de las más longevas del mundo. Más allá del notable caso de Japón, cuya población cuenta con una esperanza de vida al nacer de 84 años según datos de la OMS en 2021, otros países vecinos como Singapur o Corea del Sur con 83, Taiwán con 79 o China, Tailandia y Malasia con más de 77 tienen una población realmente longeva que cuenta con necesidades específicas que sus respectivos gobiernos han decidido afrontar, en muchos casos, por medio de la tecnología. La mayoría de las economías de los países asiáticos mencionados son economías altamente tecnificadas, con una gran tendencia hacia la implantación de soluciones tecnológicas en distintos ámbitos de su realidad social. Tienen, por tanto, menores reticencias en comparación con los países occidentales a la hora de proponer y desplegar sistemas tecnológicos que, de forma directa o indirecta, tengan un impacto...

Continue Reading
atencion-medica-medica-doctor-atencion-medica-diagnostico-medico-paciente-salud-digital

Retos e investigación para la detección temprana de la retinopatía diabética

El proyecto TARTAGLIA que tiene por objeto la creación de una red federada con inteligencia artificial para acelerar la investigación clínica y sanitaria en España, también persigue diseñar nuevos métodos para la detección temprana de enfermedades. 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, consta de 5 casos de usos potenciales, siendo la detección de la retinopatía diabética en fases tempranas donde Pixelabs está trabajando de forma activa junto con los equipos clínicos y técnicos de Fundación Rioja Salud, Instituto de Investigación Sanitaria la Fe y el Servicio Gallego de Salud (en el que trabajan y forman parte activa la Agencia Gallega del Conocimiento y el Servicio de Oftalmología del Área Sanitaria de Ferrol).  En este caso concreto, se pone de manifiesto la necesidad actual de encontrar mejores e innovadores métodos basados en inteligencia artificial...

Continue Reading
post7-featured

Datos sintéticos y modelos generativos en IA

El problema de la necesidad de datos al entrenar modelos de inteligencia artificial Cada vez la población hace un uso mayor en su día a día de dispositivos tecnológicos que utilizan inteligencia artificial. Entre estos dispositivos se incluyen las smart TV, teléfonos inteligentes, altavoces inteligentes, dispositivos de salud autónomos, etc. Ya son parte de nuestra vida, haciéndola más sencilla, independientemente de la edad. Todos estos dispositivos se basan en algoritmos de distinto tipo. Para desarrollar estos algoritmos hacen falta grandes bases de datos de las que los modelos aprenden. Éstas necesitan ser recolectadas y etiquetadas. Éste es un proceso costoso, tanto en tiempo como en recursos. Por ejemplo, es muy difícil tener muchos datos correspondientes a un fallo de caldera, ya que estos ocurren muy pocas veces, pero es necesario saber qué datos recogen los sensores antes y durante un fallo para poder prevenirlo de manera inteligente. Si tenemos esta previsión podemos...

Continue Reading
Ecoembes: En la planta

Nuevos avances en la selección y reciclaje de materiales para avanzar hacia la economía circular

El proyecto SEPARA (Transformación tecnológica del Sector de valorización de residuos para impulsar una economía circular efectiva en la industria española) se encuadra dentro de la Misión Nº4 (Impulsar a la industria española en la revolución industrial del siglo XXI) del Programa Misiones del Centro de Desarrollo Tecnológico (CDTI) y surge para dar respuesta a la necesidad de afrontar los retos que plantea actualmente la gestión de los residuos. El proyecto lleva desarrollándose desde noviembre del año 2020, y se han conseguido desde entonces avances clave que ayudarán a alcanzar con éxito el objetivo final, que persigue lograr la transformación digital de plantas de selección de residuos mediante la investigación en nuevas tecnologías para incrementar la eficiencia y productividad de los procesos.   Las plantas de selección de envases están haciendo importantes esfuerzos para automatizar sus procesos. Con la idea de hacer efectivos estos esfuerzos y teniendo en cuenta que a ellas llegan...

Continue Reading
Pixelabs Year Review

Pixelabs Year Review

spanish (english version below)   Como cada diciembre, queremos lanzar nuestro último post del año en forma de “year review” o resumen del año, resaltando algunos de los puntos que han marcado este año para nosotros. Queremos felicitar las fiestas a todos nuestros clientes, partners y lectores un feliz año nuevo, esperando que 2023 sea un próspero año.   Hemos crecido junto con los clientes que nos acompañan desde hace años, entre ellos Ecoembes, Henkel, Kubus o Sercomex, con los que además hemos construido una gran relación comercial. Cerramos diciembre, con un año claramente marcado por nuestra estrategia y por nuestro foco para  seguir creciendo como compañía, lo que ha propiciado la incorporación de nuevos clientes a nuestra cartera como Iberdrola, LafargeHolcim o Efficold. Esperamos además, actualizar nuestra web en los próximos meses con nuevos y mejores proyectos, así como casos de éxito. En línea el crecimiento que hemos experimentado durante los últimos meses, hemos...

Continue Reading
Smart farming with agriculture IoT

IoT Edge Computing, una nueva era.

El edge computing hace referencia a la informática que tiene lugar en la ubicación más cercana a los datos de un sistema o a sus usuarios finales, es decir, el lugar de donde proviene la información o hacia dónde se dirige. La arquitectura de edge computing permite agilizar el procesamiento, ya que reduce la latencia y las demoras. Las aplicaciones y los programas que se ejecutan en el extremo de la red pueden trabajar con mayor rapidez y eficacia, lo cual eventualmente mejora la experiencia del usuario y el rendimiento general.   El Edge Computing permite a las empresas usar y distribuir un conjunto común de recursos en una gran cantidad de ubicaciones. De esta forma, brinda servicios más estables, ágiles y de menor costo. Esto resulta fundamental para aquellos casos de uso en los que se necesitan tiempos de respuesta muy rápidos, como, entre otros, la conducción remota o la industria...

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
Digital transformation corporate wallpaper

Text Mining: Introducción al análisis de textos con IA

¿Qué es la minería de textos? La minería de textos (también conocida como análisis de textos), es el proceso de transformación de textos no estructurados en datos estructurados para facilitar su análisis. La minería de textos utiliza el procesamiento del lenguaje natural (PNL ó NLP), lo que permite a las máquinas “entender” el lenguaje humano y procesarlo automáticamente. Para las empresas, la gran cantidad de datos que se generan cada día representa tanto una oportunidad como un reto. Por un lado, los datos ayudan a las empresas a obtener una visión inteligente de las opiniones de la gente sobre un producto o servicio. Piensa en todas las ideas potenciales que podría obtener al analizar los correos electrónicos, las reseñas de productos, las publicaciones en las redes sociales, los comentarios de los clientes, los tickets de asistencia, etc. Por otro lado, está el dilema de cómo procesar todos estos datos. Y ahí es...

Continue Reading
Machine Learning Pixelabs

Machine Learning (III) – Aprendizaje por Refuerzo

Machine Learning (III) Hoy finalizamos la serie de Machine Learning con este artículo sobre aprendizaje por Refuerzo. El aprendizaje por refuerzo es el área de la inteligencia artificial que está centrada en descubrir qué acciones se debe tomar para maximizar la señal de recompensa, en otras palabras se centra en cómo mapear situaciones a acciones que se centren en encontrar dicha recompensa. Al agente no se le dice que acciones tomar, si no al contrario él debe experimentar para encontrar qué acciones lo llevan a una mayor recompensa, los casos más desafiantes son los que no llevan a una recompensa inmediata si no en la siguientes situaciones. Diferencia con aprendizaje supervisado El aprendizaje supervisado está basado en un set de ejemplos que han sido etiquetados previamente, en otras palabras te muestra exactamente qué acción debes tomar para cada circunstancia, la que mayormente consiste en identificar o categorizar la situación; por lo cual el objetivo...

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