Machine Learning
Esta sencilla solución permite liberar horas de trabajo a los cardiólogos para aprovechar su experiencia, hacer lo que les apasiona y atender más pacientes.
No todos los modelos de machine learning pueden ser explicados, únicamente las soluciones de aprendizaje supervisado pueden tener una explicación humana.
Las inequidades en la vida “real” están más arraigadas a tan solo decir si uno es mujer u hombre, los sesgos se inmiscuyen hasta en las ranuras más delgadas de nuestra sociedad y se identifican en los comportamientos físicos y digitales que tenemos.
No hay mejor manera de entender qué hace la ciencia de datos que utilizar un caso de uso real con implementación y acciones reales, es decir, con incidencia.
Empecemos con lo más sencillo, no todo problema se puede solucionar con machine learning, es uno de los hechos más importantes de conocer.
La velocidad con la que la tecnología avanza ha demostrado siempre ser mucho más rápida que la regulación, y ha fortalecido a países asiáticos en su camino a la autosuficiencia en la fabricación partes electrónicas prioritarias para poder atender a diferentes industrias.
Este predictor de fosas clandestinas es un modelo único en el mundo. Distinción amarga para México, donde se acumulan desaparecidos de todas las edades y sexos, algunos de ellos sepultados en fosas en todo el territorio nacional desde los años 70
Con el método de ‘bosques aleatorios’, una investigación internacional que involucra a la academia y a la sociedad civil, se busca predecir los lugares del territorio nacional con posibles fosas clandestinas.
El reconocimiento facial de cerdos: ¿ayuda a los granjeros chinos o sólo perjudica a los más pobres?
La automatización está revolucionando las granjas de cerdos en China, pero deja atrás a los agricultores independientes.
Las máquinas autónomas capaces de ejercer fuerza mortal son cada vez más prevalentes en las guerras modernas, a pesar de los numerosos dilemas éticos. ¿Podemos hacer algo para detener el avance de los robots asesinos?