mlfarma.com

¿Qué es machine learning?

El aprendizaje automático o aprendizaje de máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento.

El aprendizaje automático tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.

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.

¿Para qué sirve machine learning?

Algunas de las aplicaciones más desarrolladas son:

Detectar fraude en transacciones.

Predicción de fallos en equipos tecnológicos.

Prever qué empleados serán más rentables el año que viene (Recursos Humanos).

Predecir tráfico: aereo, automotor, ciclistas, peatones.

Saber cuál es el mejor momento para publicar tuits, actualizaciones de Facebook o enviar las newsletter.

Predicción de demanda.

Hacer prediagnósticos médicos basados en síntomas del paciente.

Cambiar el comportamiento de una app móvil para adaptarse a las costumbres y necesidades de cada usuario.

Detectar intrusiones en una red de comunicaciones de datos.

Protocolos de toma de decisión basados en análisis de la información.

Detección de segmentos y conductas prescriptivas.

Detección y etiquetado de fotos en Facebook.

Vehículos de conducción automática.

Otras aplicaciones por rubro:

Retail: Market Basket Analysis, Association Discovery Techniques, segmentación de clientes, predicción de bajas online, clustering, control de stocks, rediseño de lineales, sistemas de recomendación, venta cruzada, ofertas Trade, detección de fraude.

Turismo: Predicción de cancelaciones, de ocupación, nacionalidad de clientes antes de check-in, ofertas personalizadas, clustering de clientes, recomendación de paquetes y actividades, prevención de fraude.

Gran Consumo: Detección de patrones, cross-selling, predicción de consumo, detección de anomalías, aumento de LTV, Lead Scoring, mejora de promociones.

Seguros: Detección de fraude, Lead Scoring, fidelización de clientes, publicidad predictiva, predicción de riesgo, cross-selling, up-selling, mejora de cálculos actuariales.

Banca: Riesgo crediticio, personalización de ofertas, detección de bajas, prevención de morisidad, fidelización, venta cruzada, fraude, análisis de mercados, clustering de clientes.

¿Por qué machine learning en la industria farmacéutica?

Laboratorios, hospitales, instituciones gubernamentales dedicadas a la salud, asociaciones médicas, obras sociales; todos en su conjunto se encuentran en un momento de inflexión: a lo largo de los últimos años han implementado herramientas de información que recogen y acumulan gran cantidad de datos como historias clínicas digitales, estudios multicéntricos, CRMs, auditorías de ventas, censos especializados, liquidaciones de haberes y viáticos. En la actualidad hay una acumulación de datos que produce una "indigestión" del sistema: la capacidad humana de analizar y detectar patrones útiles para la toma de decisiones está superada.

Es en este momento bisagra que el machine learning se convierte en el camino de resolución del nudo actual ya que sus potentes algoritmos para la detección de patrones permiten aplicar todo el potencial de procesamiento informático a esta masa de información y obtener información útil y competitiva.

Porque la digitalización de la mayoría de los procesos de los laboratorios farmacéuticos crece exponencialmente mientras la capacidad de procesar los datos es baja.

Porque la industria farmacéutica requiere de alta competitividad. Y la competitividad está dada principalmente por el conocimiento que se tenga de las variables del negocio.

Porque predecir es prevenir.

Porque predecir es anticipar las acciones de los otros.

¿Qué aplicaciones de machine learning está desarrollando idealsur.com para la industria farmacéutica?

Simulación de mercados futuros en base a la actividad de costos y rentabilidad de períodos anteriores (la simulación ha sido integrada en nuestra herramienta sistemaodin.com).

Detección de fraudes en análisis de gastos y viáticos reportados por el equipo de fuerza de ventas.

Análisis de imágenes fotográficas de los puntos de venta para detección de presencia de marcas propias y de la competencia, logos, medición de facing share.

Análisis de textos en: comentarios reportados por visitadores médicos, relevamientos de mystery shoppers, encuestas a médicos y pacientes.

Clustering de farmacias y médicos.

Clustering de conductas prescriptivas sobre auditorías, detección de cambios de conducta.

Análisis de distribución geográfica de médicos y farmacias.

Experimento
Georreferenciación de bricks de IMS con machine learning

¿Qué algoritmos de machine learning utiliza idealsur.com para desarrollar sus soluciones?

• Árboles de decisiones
  Este tipo de aprendizaje usa un árbol de decisiones como modelo predictivo. Se mapean observaciones sobre un objeto con conclusiones sobre el valor final de dicho objeto.

• Reglas de asociación
  Los algoritmos de reglas de asociación procuran descubrir relaciones interesantes entre variables. Entre los métodos más conocidos se encuentran el algoritmo A priori, el algoritmo Eclat y el algoritmo de Patrón Frecuente.

• Redes neuronales artificiales
  Las redes de neuronas artificiales (RNA) son un paradigma de aprendizaje automático inspirado en las neuronas de los sistemas nerviosos de los animales. Se trata de un sistema de enlaces de neuronas que colaboran entre sí para producir un estímulo de salida. Las conexiones tienen pesos numéricos que se adaptan según la experiencia.

• Máquinas de vectores de soporte
  Las MVS son una serie de métodos de aprendizaje supervisado usados para clasificación y regresión. Los algoritmos de MVS usan un conjunto de ejemplos de entrenamiento clasificado en dos categorías para construir un modelo que prediga si un nuevo ejemplo pertenece a una u otra de dichas categorías.

• Algoritmos de agrupamiento
  El análisis por agrupamiento (clustering en inglés) es la clasificación de observaciones en subgrupos. Las técnicas de agrupamiento hacen inferencias diferentes sobre la estructura de los datos; se guían usualmente por una medida de similaridad específica y por un nivel de compactamiento interno.

• Redes bayesianas
  Una red bayesiana es un modelo probabilístico que representa una serie de variables de azar y sus independencias condicionales a través de un grafo acíclico dirigido. Una red bayesiana puede representar, por ejemplo, las relaciones probabilísticas entre enfermedades y síntomas.

¿Qué puedo leer para aprender más sobre machine learning?

Los dos primeros planetas descubiertos por una Inteligencia Artificial

La NASA ha colaborado con Google para aplicar la Inteligencia Artificial al catálogo de datos de la misión Kepler. El resultado, dos nuevos mundos que habían pasado inadvertidos. Esta vez, la importancia de este hallazgo no radica en los planetas, sino en la forma en que fueron descubiertos. Ambos mundos, en efecto, fueron identificados gracias a la aplicación del «machine learning» de Google. O lo que es lo mismo, un sistema de Inteligencia Artificial que permite que las máquinas, imitando el funcionamiento del cerebro humano, aprendan de su entorno. En este caso concreto, los ordenadores de la agencia espacial aprendieron a identificar exoplanetas analizando bajo una nueva luz los datos almacenados de Kepler en los que el telescopio registró señales débiles y sin confirmar de presencia planetaria.
Fuente: abc.es leer mas...

Por qué machine learning sera la tecnología más importante en 2018

El aprendizaje automático cambiará la forma en que vivimos y trabajamos. Las organizaciones que aprovechan el poder del aprendizaje automático saldrán rápidamente adelante, debido a la velocidad y la eficiencia de la toma de decisiones mejorada que procura. Ningún negocio puede permitirse el lujo de sentarse y esperar. Si lo hacen, se quedarán atrás. La adopción del machine learning está creciendo a la par del crecimiento del cloud computing, por una buena razón. La integración transparente de aplicaciones, plataformas e infraestructura en la nube es crucial para el crecimiento y la efectividad del aprendizaje automático; abren el machine learning a grupos de datos cada vez mayores, rompiendo silos y aprovechando los datos de todas las organizaciones y sus redes.
Fuente: elpais.com leer mas...

El machine learning denuncia el machismo en las películas de Hollywood

Científicos descubren con un algoritmo que las protagonistas suelen aparecer desempeñando papeles más sumisos y pronunciando oraciones menos imperativas. Ésta es la principal conclusión de un estudio presentando recientemente por un equipo de investigadores de la Universidad de Washington (Estados Unidos) en el que, tras aplicar métodos de aprendizaje automático (machine learning), se constata que el escaso grado de poder que ejercen personajes como Anna es equiparable al que tenía la Cenicienta hace sesenta años, “un hallazgo bastante triste”, como señala uno de los autores de este informe, Maarten Sap.
Fuente: iprofesional.com leer mas...

Amazon planea personalizar los tamaños de sus cajas

Las críticas de los consumidores han sido escuchadas por Amazon. La tienda on-line ha comenzado a estudiar diferentes iniciativas para evitar el despilfarro de cartón y plástico en los pedidos. Por lo pronto ya se planea crear cajas más adaptadas al tamaño de los productos enviados e incluso, prescindir de ellas. Según cuenta desde Wall Street Journal, Amazon prepara una nueva tanda de envoltorios personalizados que tengan más en cuenta el volumen de cada pedido. Se calcula que la mitad de los envíos podrían ir en una embalaje más pequeño del que lleva actualmente. Además, utilizando el machine learning, Amazon busca escanear los artículos a envolver para asignarles un tipo de caja personalizado. Con ello busca evitar esos embalajes grandes en los que se incluye gran cantidad de plástico para amortiguar los posibles daños que puede ocasionar el transporte.
Fuente: muycanal.com leer mas...

Facebook notificará a sus usuarios si alguien publica una foto suya sin etiquetarlo

La red social habilitó una nueva aplicación de su tecnología de reconocimiento facial basada en inteligencia artificial. La nueva herramienta está basada en su sistema de inteligencia artificial y será de uso opcional. Comenzará a llegar a los usuarios, de manera gradual, con la próxima actualización del servicio. "Combinamos estas herramientas con un control sencillo de 'On / Off'. Si actualmente su configuración de etiquetas está sin definir, su configuración de reconocimiento de rostros se mantendrá desactivada hasta que decida cambiarla", explicó a la agencia de noticias Télam Joaquín Candela, director de Machine Learning de Facebook.
Fuente: infobae.com leer mas...

Los sectores más beneficiados con la aplicación de Machine Learning en previsión de demanda

Tener la bola de cristal para visualizar lo que va a ocurrir en el futuro siempre ha sido materia esotérica al alcance de pocos, pero muy deseada. Hoy en día, las empresas sí tienen la posibilidad de realizar predicciones y acertar, gracias a las efectivas herramientas de analítica avanzada con metodologías de machine learning que permiten saber por adelantado lo que va a ocurrir con las ventas, pedidos y aprovisionamientos. Estas previsiones, basadas en un algoritmo, que aprende y se ajusta, presentan unos índices de bondad y asertividad muy cercanos a lo que puede ser la realidad; más aún si se sustentan en arquitecturas basadas en Big Data, a las que se puede incorporar cualquier tipo de dato con diferentes estructuras e innumerables fuentes. Tinámica, compañía líder en soluciones tecnológicas especializadas en el entorno Big Data, destaca los principales sectores que serán los grandes beneficiados de la aplicación del Machine Learning en la previsión de demanda de sus negocios.
Fuente: muycomputerpro.com Leer mas...

Crece la oferta de cursos de inteligencia artificial para negocios

Machine learning, ciencia de datos, redes neuronales, analítica, inteligencia artificial: palabras que tienen cada vez más presencia en la oferta de posgrados y cursos ejecutivos de las universidades y escuelas de negocios. De la mano de la transformación digital de las empresas, los procesos que implican automatización y aprovechamiento de datos se volvieron centrales en todas las áreas de actividad. Y conocer las herramientas ya no es solo cuestión de expertos: es algo que también necesitan entender quienes toman las decisiones. "La inteligencia artificial (IA) engloba a una serie de tecnologías en el área de las ciencias de la computación con aplicaciones tanto en robótica como también en analítica", explica David Furman, profesor del programa Ciencia de datos aplicada a las predicciones en negocios que se dictará en la Universidad Austral desde marzo y que se repetirá cada cuatro meses durante 2018. "Una de las disciplinas 'hijas' de la IA es machine learning que incluye diversos métodos estadísticos enfocados sobre todo al análisis de datos de gran volumen que resultan prácticamente imposibles de analizar utilizando el cerebro humano", agrega. "Ya hemos entrado de lleno en la era de datos", sentencia Furman. Sin embargo, aunque en el área de las ciencias biológicas y médicas se avanzó mucho, en el área negocios "estamos algo atrasados", señala el investigador. "La inmensa mayoría de las empresas no cuentan con herramientas de captura sistemática de datos, y si existen datos potencialmente importantes para mejorar los beneficios, los gerentes, en general, no tienen las herramientas para analizarlos y aprovecharlos", detalla.
Fuente: clarin.com Leer mas...

Intel y Amazon presentan DeepLens, una cámara creada para el machine learning

Intel y Amazon Web Services han presentado DeepLens, una videocámara inalámbrica completamente programable, preparada para aprendizaje profundo y orientada a desarrolladores. El dispositivo ha sido revelado en la conferencia anual de Amazon Web Services re:Invent celebrada en Las Vegas, EEUU. El objetivo de esta cámara DeepLens es ofrecer a creadores de cualquier nivel de experiencia una herramienta óptima y necesaria para diseñar y crear productos de inteligencia artificial (IA) y machine learning. La inteligencia artificial y el machine learning serán los motores de una nueva generación de sectores basados en la tecnología inteligente, incluyendo hogares inteligentes, comercio inteligente, fábricas inteligentes y muchas otras aplicaciones que facilitarán nuestras vidas mediante interacciones más fluidas y naturales con estos dispositivos.
Fuente: globbit.com leer mas...

Facebook wants to rid of engagement bait with machine learning

Facebook wants people to stop posting content that encourages users to interact with likes, shares and comments. Facebook said Monday it's working to rid of "engagement bait" posts -- that ask for users to interact with likes, shares, and comments -- with machine learning. Teams at Facebook have categorized "hundreds of thousands of posts" to inform its machine learning model to detect different types of engagement bait. Facebook said posts that use the baiting tactic will be shown less in users' news feed. In the coming weeks, Facebook also plans to implement stricter demotions for Facebook Pages that repeatedly use engagement bait in their posts. "Publishers and other businesses that use engagement bait tactics in their posts should expect their reach on these posts to decrease," Facebook warned in a blog post.
Fuente: zdnet.com leer mas...

Going deep with deep learning: Martech insights, action & impact

Columnist Andy Betts walks you through the ins and outs of deep learning and explains why it's set to be a game-changer for marketing programs. The growth of artificial intelligence and machine learning is picking up pace, and those who thought adoption was a few more years away are finding the reality much different. AI is already embedded in our everyday lives, and forward-thinking marketers are embracing machine learning technology efficiency to automate and scale their marketing programs. However, little has been mentioned of deep learning, the gem in the AI armory that provides even more powerful insights to marketers. In my last article, I focused on AI applications and explained why not showing up in 2018 without an AI system or application in your martech stack could leave CMOs lagging. Taking that premise a step further, not utilizing deep learning technology means that marketers are losing out on essential insights that I predict will fuel marketing technology development in 2018, 2019 and beyond. Did you note how I used the terminology “application” with AI and machine learning and “technology” with deep learning? The reason for that is to make a key distinction, as deep learning is a combination of big data sets, machine learning, computer processing power and neural networks that make applications smarter as it learns. It’s important that technology marketers distinguish between AI and the subcategories that make up AI.
Fuente: martechtoday.com leer mas...

Applications of Machine Learning in Pharma and Medicine

ML and AI technologies are also being applied to monitoring and predicting epidemic outbreaks around the world, based on data collected from satellites, historical information on the web, real-time social media updates, and other sources. Support vector machines and artificial neural networks have been used, for example, to predict malaria outbreaks, taking into account data such as temperature, average monthly rainfall, total number of positive cases, and other data points.
Fuente: techemergence.com leer mas...

Five Use Cases For AI and Machine Learning In Commercial Pharma

Over the last decade, early business uses of Artificial Intelligence (AI), or machine learning, in life sciences have proven successful in drug discovery – predicting molecule-target bonding, identifying new biomarkers, and uncovering new drug indications. Now machine learning is gaining broader traction into other areas, including commercial operations, and transforming the way the industry collects, synthesizes, and uses data. Two recent breakthroughs are accelerating the use of AI by sales and marketing teams. Industry standards and development frameworks are making it easier and faster for software developers to build solutions for machine learning. Also, advanced computing hardware such as new graphic processing units (GPUs) and chipsets are processing vast amounts of data faster than ever before, making devices such as iPhones and iPads even more powerful computers in the palm of your hand.
Fuente: bio-itworld.com leer mas...