miércoles, 6 de febrero de 2019

¿Qué debe saber tu marca sobre Machine Learning en 2019?

El Machine Learning aumenta cada día entre las prioridades de las marcas.

La tendencia continuará acercando el avance de las tecnologías relacionadas con Inteligencia Artificial (IA).

El aprendizaje automático y la inteligencia artificial se convertirán en las tendencias tecnológicas clave de 2019.

Durante 2018, algunas empresas incrementaron significativamente los ingresos para los departamentos de innovación y sus desarrollos relacionados con Machine Learning resultados comerciales, segmentación basada en intención, gestión del ciclo de vida del cliente y más.

De acuerdo con diversos especialistas, la tendencia continuará acercando el avance de las tecnologías relacionadas con Inteligencia Artificial (IA). Empresas como Amazon, Apple, Facebook, Google, IBM y Microsoft están invirtiendo en investigación y desarrollo de esta tecnología, con lo que beneficiará al ecosistema para la interacción de los consumidores.

Te mostramos cinco tendencias que pudieras tomar en cuenta:

El aumento de chips habilitados para IA

A diferencia de otros programas, AI se basa en gran medida en procesadores especializados que complementan la CPU.

Incluso la CPU más rápida y avanzada puede no mejorar la velocidad de entrenamiento de un modelo de IA.

Mientras se realiza la inferencia, el modelo necesita hardware adicional para realizar cálculos matemáticos complejos para acelerar tareas como la detección de objetos y el reconocimiento facial.

En 2019, los fabricantes de chips como Intel, NVIDIA, AMD, ARM y Qualcomm enviarán chips especializados que aceleran la ejecución de aplicaciones habilitadas para IA.

Estos elementos tecnológicos se optimizarán para casos de uso específicos y escenarios relacionados con la visión por computadora, el procesamiento del lenguaje natural y el reconocimiento de voz.

Las aplicaciones de próxima generación de las industrias de la salud y el automóvil dependerán de estos chips para entregar inteligencia a los usuarios finales.

2019 también será el año en el que las empresas de infraestructura de hiperescala como Amazon, Microsoft, Google y Facebook aumentarán las inversiones en chips personalizados basados ​​en arrays de puertas programables de campo (FPGA) y circuitos integrados de aplicación específica (ASIC).

Estos chips estarán altamente optimizados para ejecutar cargas de trabajo modernas basadas en AI y computación de alto rendimiento (HPC). Algunos de estos chips también ayudarán a las bases de datos de próxima generación a acelerar el procesamiento de consultas y el análisis predictivo.

Convergencia entre el IoT y la IA

En 2019, la IA se encuentra con el Internet de las Cosas (IoT), ya que la mayoría de los modelos entrenados en la nube pública se desplegarán en el borde.

Industrial IoT es el caso de uso superior para inteligencia artificial que puede realizar detección atípica, análisis de causa raíz y mantenimiento predictivo del equipo.

Los modelos avanzados de ML basados ​​en redes neuronales profundas se optimizarán para ejecutarse en el borde. Serán capaces de lidiar con cuadros de video, síntesis de voz, datos de series de tiempo y datos no estructurados generados por dispositivos como cámaras, micrófonos y otros sensores.

El IoT está listo para convertirse en el mayor impulsor de inteligencia artificial en la empresa. Los dispositivos estarán equipados con chips de IA especiales basados ​​en FPGA y ASIC.

La operatividad interna entre redes neuronales se vuelve clave

Uno de los desafíos críticos en el desarrollo de modelos de redes neuronales reside en elegir el marco adecuado.

Los científicos y desarrolladores de datos tienen que elegir la herramienta adecuada entre una gran cantidad de opciones que incluyen Caffe2, PyTorch, Apache MXNet, Microsoft Cognitive Toolkit y TensorFlow. Una vez que un modelo se entrena y se evalúa en un marco específico, es difícil llevar el modelo entrenado a otro marco.

La falta de interoperabilidad entre los kits de herramientas de redes neuronales está obstaculizando la adopción de la IA. Para enfrentar este desafío, AWS, Facebook y Microsoft han colaborado para construir Open Neural Network Exchange (ONNX), lo que hace posible reutilizar los modelos de redes neuronales entrenadas en varios marcos.

En 2019, ONNX se convertirá en una tecnología esencial para la industria. Desde investigadores hasta fabricantes de dispositivos de vanguardia, todos los actores clave del ecosistema se basarán en ONNX como el tiempo de ejecución estándar para hacer inferencias.

El Machine Learning ganará prominencia

Una tendencia que va a cambiar el aspecto de las soluciones basadas en ML fundamentalmente es AutoML. Permitirá a los analistas y desarrolladores de negocios desarrollar modelos de aprendizaje automático que puedan abordar escenarios complejos sin pasar por el proceso típico de entrenamiento de modelos de ML.

Al tratar con una plataforma AutoML, los analistas de negocios se centran en el problema del negocio en lugar de perderse en el proceso y el flujo de trabajo.

AutoML encaja perfectamente entre las API cognitivas y las plataformas ML personalizadas. Ofrece el nivel correcto de personalización sin obligar a los desarrolladores a pasar por el elaborado flujo de trabajo.

A diferencia de las API cognitivas que a menudo se consideran como cajas negras, AutoML expone el mismo grado de flexibilidad pero con datos personalizados combinados con portabilidad.

Indicadores iniciales: DataRobot , Google Cloud AutoML , API cognitivas personalizadas de Microsoft , entidades personalizadas para Amazon Comprender .

La IA automatizará DevOps a través de AIOps

Las aplicaciones y la infraestructura modernas están generando datos de registro que se capturan para indexación, búsqueda y análisis. Los conjuntos de datos masivos obtenidos del hardware, los sistemas operativos, el software del servidor y el software de la aplicación se pueden agregar y correlacionar para encontrar ideas y patrones.

Cuando se aplican modelos de aprendizaje automático a estos conjuntos de datos, las operaciones de TI pasan de ser reactivas a predictivas.

Cuando el poder de la IA se aplica a las operaciones, redefinirá la forma en que se gestiona la infraestructura. La aplicación de ML y AI en las operaciones de TI y DevOps entregará inteligencia a las organizaciones. Ayudará a los equipos de operaciones a realizar un análisis preciso y preciso de la causa raíz.

AIOps se convertirá en la corriente principal en 2019. Los proveedores de la nube pública y las empresas se beneficiarán de la convergencia de AI y DevOps.

El aprendizaje automático y la inteligencia artificial se convertirán en las tendencias tecnológicas clave de 2019. Desde las aplicaciones empresariales hasta el soporte de TI, la IA impactará significativamente en la industria.

The post ¿Qué debe saber tu marca sobre Machine Learning en 2019? appeared first on Revista Merca2.0.



from Marketing Digital – Revista Merca2.0 http://bit.ly/2DX1xCa
via IFTTT

No hay comentarios:

Publicar un comentario