Es por eso que el análisis de datos, antes enfocado en recopilar y visualizar información, ha evolucionado con la inteligencia artificial hacia una herramienta de predicción, automatización y aprendizaje continuo. Ya no basta con conocer el pasado: la clave es anticiparse. Los algoritmos identifican patrones y escenarios antes de que ocurran, funcionando como brújulas que orientan en medio del caos informativo.

La IA como aliada estratégica

La inteligencia artificial no reemplaza al ser humano en la toma de decisiones, pero sí ofrece un soporte que reduce la incertidumbre y optimiza los resultados. Gracias al machine learning, es posible analizar millones de variables en segundos y generar predicciones que antes eran impensables. Entre sus ventajas destacan la rapidez, la disminución de errores, la evaluación en tiempo real y una personalización basada en datos individuales.

¿Qué habilidades serán clave?

A medida que la IA se integra en todos los sectores, los perfiles híbridos serán la norma. No bastará con dominar programación o estadística: habilidades como el pensamiento crítico, la ética y la interpretación contextual de los datos serán imprescindibles. Se buscarán profesionales con conocimiento de algoritmos, capacidad para comunicar hallazgos, sensibilidad ética y adaptabilidad a entornos cambiantes.

Te puede interesar: Antivirus tradicionales vs Antivirus con IA: lo que necesitas saber

De lo predictivo a lo prescriptivo

Durante años, el análisis de datos se enfocó en describir el pasado o anticipar el futuro. Hoy, la inteligencia artificial va más allá y ofrece recomendaciones precisas sobre qué acciones tomar para optimizar resultados. Una empresa logística, por ejemplo, no solo puede prever retrasos por condiciones climáticas, sino también redistribuir rutas y recursos antes de que el problema ocurra. La toma de decisiones ha dejado de ser reactiva para convertirse en un proceso proactivo y estratégico.

El impacto en los sectores de la industria

Ninguna industria está exenta del impacto de la IA. En salud, mejora diagnósticos y personaliza tratamientos; en finanzas, optimiza inversiones y previene fraudes; en educación, analiza el rendimiento académico y diseña rutas personalizadas de aprendizaje; en recursos humanos, perfecciona la selección de personal, y en agricultura, predice cosechas y optimiza el uso de recursos. La transformación es transversal.

Aunque se piensa que solo las grandes corporaciones pueden aprovechar la IA, hoy existen herramientas accesibles y servicios en la nube que permiten a las pymes mejorar sus decisiones. Desde un e-commerce que personaliza su catálogo hasta una tienda física que optimiza su inventario, el análisis de datos impulsado por IA está al alcance de todos, sin importar el tamaño del negocio.

Finalmente, cabe mencionar que la inteligencia artificial no sustituye la intuición humana, sino que la complementa con rigor y solidez. El análisis de datos ha dejado de ser una tarea técnica para convertirse en un pilar estratégico, esencial para la supervivencia de cualquier organización. Invertir en formación, como un máster en inteligencia artificial, es apostar no solo por el conocimiento, sino por la capacidad de adaptarse a un mundo donde la información es acción. El futuro ya no es una promesa: es una realidad en construcción.

Imagen: Generada con IA / ChatGPT

Coderise en colaboración con la Universidad EIA de Medellín, ha lanzado el programa “Programación y machine learning para no programadores“, dirigido a personas sin experiencia en programación que deseen incursionar en el mundo tecnológico. Con una duración de 160 horas distribuidas en 8 semanas, este programa busca brindar habilidades esenciales en programación mediante una metodología que combina sesiones teóricas y prácticas, permitiendo a los estudiantes aprender de manera colaborativa. 

¿Qué ofrece? 

Este programa está pensado para quienes buscan adquirir habilidades de programación desde cero.  Combina sesiones teóricas y prácticas, permitiéndote aprender a través de proyectos colaborativos y una metodología entre pares que te ayudará a consolidar tus conocimientos de manera eficiente. 

Modalidad 

Se adapta a tus necesidades, combina lo siguiente:

• Sesiones virtuales vía Zoom para que aprendas desde cualquier lugar.
•  Sesiones presenciales en Medellín para aquellos que prefieren la interacción directa. 

Solo necesitas un computador y conexión a internet para dar el primer paso hacia un futuro lleno de oportunidades. 

Facilidad de pago y apoyo financiero 

Ofrece un apoyo financiero que cubre el 70% del valor total del curso, que podrás pagar en 12, 24 o 36 cuotas, facilitando tu camino al éxito. Comenzarás tu formación con un único pago inicial de 1’200.000 COP, equivalente al 30% del valor del curso. 

Respaldo de la Universidad EIA 

La Universidad EIA, reconocida por la formación académica y liderazgo en el desarrollo tecnológico, respalda este programa. Con esta alianza, tienes la garantía de estar recibiendo una educación de calidad, que te preparará para enfrentar los retos del mundo digital con los siguientes beneficios: 

• No necesitas experiencia. 
• Aprenderás a programar desde cero en solo 8 semanas. 
• Obtendrás el respaldo de una de las universidades más prestigiosas de Colombia en sector. 
• Tendrás acceso a un plan de financiación.

Regístrate y conoce más del programa en el siguiente enlace.

Imagen: Archivo ENTER.CO

En línea con lo anterior, Alejandro Dirgan, especialista de productos para Red Hat LATAM, proveedor de código abierto con presencia en Colombia desde hace 10 años, comparte los conceptos clave que explican esta tecnología, con el ánimo de que se pueda aprovechar su potencial de manera correcta

Aprendizaje automático (Machine Learning)

Una rama de la IA que permite a las máquinas aprender de los datos y mejorar su desempeño con el tiempo sin ser programadas explícitamente. Este enfoque se utiliza ampliamente en áreas como la detección de fraudes, la personalización de servicios y la mejora de la experiencia del cliente.

Redes neuronales

Inspiradas en la estructura del cerebro humano, estas redes son modelos computacionales que consisten en capas interconectadas que trabajan juntas para procesar información y reconocer patrones complejos. Son fundamentales para tecnologías como el reconocimiento de voz y la clasificación de imágenes.

Te puede interesar: Gemini Code Assist revoluciona el desarrollo de software con IA avanzada

Procesamiento del lenguaje natural (NLP)

Permite que las máquinas comprendan y generen lenguaje humano, facilitando la interacción entre personas y sistemas automatizados. Ejemplos de su aplicación incluyen asistentes virtuales como Siri y Alexa, y sistemas de traducción automática.

Visión por computadora

Se dedica a capacitar a las máquinas para interpretar y comprender el contenido de imágenes y videos lo que es crucial en aplicaciones como el reconocimiento facial y los sistemas de seguridad avanzados.

¿En qué sectores impacta la IA?

Sector de la salud: La IA está revolucionando el diagnóstico de enfermedades, el desarrollo de medicamentos y la gestión hospitalaria. Su capacidad para analizar grandes volúmenes de datos clínicos permite una valoración más rápida y precisa, y facilita la creación de tratamientos personalizados.

Sistema bancario: Esta tecnología está impactando la detección de fraudes, la valoración de riesgos y la personalización de servicios. Las instituciones financieras utilizan modelos de IA para prever movimientos del mercado y asesorar a sus clientes con mayor precisión.

Retail: Los minoristas la están adoptando para mejorar la experiencia del cliente a través de recomendaciones personalizadas, optimizar la cadena de suministro y automatizar el servicio al cliente con chatbots inteligentes.

Manufactura: Esta industria está optimizando los procesos de producción, permitiendo el mantenimiento predictivo de máquinas y mejorando el control de calidad. Esto no solo reduce los costos operativos, sino que también aumenta la eficiencia y la productividad.

En respuesta a esta evolución tecnológica, Red Hat está integrando capacidades de IA en sus productos, con el objetivo de mejorar la funcionalidad y facilitar la interacción con los usuarios. A través de su plataforma Red Hat Enterprise Linux (RHEL), la compañía está implementando soluciones que abarcan desde la automatización inteligente hasta la optimización del rendimiento y la seguridad.

Imagen: Archivo ENTER.CO

Así que como siempre, el mejor recurso de todo desarrollador es el que encuentra en Internet. Por eso en ENTER.CO hemos realizado una corta lista con tres podcasts enfocados en Machine Learning que deberías comenzar a escuchar si quieres pulir las bases que ya tienes, entender más de la resolución de problemas que exige o incluso algunas de las novedades de la semana

Varías aclaraciones: todas las opciones son en inglés (si tienen alguna recomendación de un podcast sobre Machine Learning en español, los leemos en los comentarios para agregarlos en un futuro). También incluimos un enlace de dónde pueden escucharlos, pero en ciertos casos solo están disponibles en plataformas como Apple Podcast (pero les aseguramos que vale la pena escucharlos):

Machine Learning Street Talk (MLST)

En ENTER.CO estamos de acuerdo en que la mejor manera de hablar de tecnología es de manera sencilla. Así que uno de nuestros favoritos es MLST, dirigido por Tim Scarfe: fundador, CEO y CTO de varías compañías enfocadas en AI, así como un apasionado de la inteligencia artificial. Principalmente recomendamos algunos de los episodios tipo debate en los que Scarfe discute con algún invitado sobre algunas de las novedades en el campo.

Puedes encontrar los episodios de Machine Learning Street Talk en YouTube, Spotify y Apple Podcast.

This Week in Machine Learning & AI

No podíamos dejar pasar uno de los podcast más populares y longevos que existen sobre el tema. This Week in Machine Learning & AI es un show que tiene casi una década de existencia, desde 2016 debatiendo e informando sobre inteligencia artificial.

Sam Charrington, su creador, cada semana trae algún invitado del mundo de la tecnología para debatir sobre algunas de las novedades, noticias, polémicas y avances que se han reportado en el mundo del Machine Learning. La variedad de temas es una de las razones por las que es tan popular, con capítulos dedicados a explicar a detalle cómo funciona un nuevo algoritmo o metodología, así como episodios dedicados a explorar las implicaciones éticas de estos avances.

Puedes encontrar This Week in Machine Learning & AI en YouTube, Spotify y Apple Podcast.

Practical AI

La última mención de esta lista es Practical IA, que a nuestro parecer es una de las mejores herramientas para las personas que están buscando un podcast sobre Machine Learning que tenga contenido para aplicar a sus propios proyectos, además de apostar por temas y novedades en la industria que son tendencia.

El podcast de Practical AI está disponible cada semana a través de Spotify y Apple Podcast.

¿Quieres especializarte en Machine Learning? Esta es tu oportunidad

Holberton Coderise, es un programa de software nacido en Silicon Valley, con sedes en más de 20 países y se encuentra en Colombia revolucionando el área tech apostándole a un modelo de aprendizaje disruptivo, innovador, rápido y efectivo.

Si tienes conocimientos en el área y deseas especializarte Holberton cuenta con el programa de Machine learning el cual es inmersivo y tiene una duración de 9 meses. Te permitirá profundizar desde la teoría hasta las mejores prácticas detrás de los principales avances de la actualidad, en campos como la inteligencia artificial, el procesamiento del lenguaje natural, los sistemas de recomendación, la conducción autónoma y más.

Esta semana un nuevo informe presentado por LinkedIn (la plataforma de networking y para buscar) encontró que la oferta de trabajos en Inteligencia artificial y Machine Learning sigue creyendo en 2023. “Los profesionales y las empresas están empezando a adoptar tecnologías asistidas por IA, como ChatGPT, en su trabajo diario y necesitan adaptar sus procesos” es una de las conclusiones del informe presentado.

Tiene sentido. En estos momentos cualquier noticia relacionada con GPT llama la atención de desarrolladores, compañías y usuarios. ¿Cómo podemos utilizar X para mejorar la producción de Y? ¿Cómo aplicar el modelo A para poder acelerar el desarrollo de B? El informe asegura que el número de descripciones de personas buscando empleo que incluían términos relacionados con inteligencia artificial como GAI, ChatGPT, Prompt Engineering y Prompt Crafting. El informe también asegura que el 47% de los ejecutivos estadounidenses cree que el uso de IA generativa aumentará la productividad.

Machine Learning: el lugar en el que iniciar para conseguir trabajo en IA

Lo primero entonces para aprovechar la ola de interés es adquirir algo de experiencia y conocimiento en el área, con lo que un programa en Machine Learning es una de las mejores alternativas para aquellos interesados en mejorar sus oportunidades. La oferta esta creciendo, pero si estás en Colombia uno de los pocos espacios que ofrecen este tipo de preparación es Holberton.

El programa Avanzado de Machine Learning de Holberton está diseñado para la inmersión en la teoría y en las mejores prácticas actuales de lo que es la inteligencia artificial, el procesamiento de lenguaje, sistemas de recomendación, conducción autónoma, entre otros. La dedicación mínima sugerida es de 36 horas a la semana durante nueve (9) meses y se debe tener experiencia como Desarrollador. Si la persona no tiene experiencia podrá empezar con el programa de Fundamentos de Desarrollo de Software con una metodología de la misma duración, con la interacción y aprendizaje peer-to-peer. Las admisiones para aplicar al programa avanzado de Machine Learning estarán abiertas hasta noviembre. 

Te puede interesar: ¿Por qué especializarse en inteligencia artificial al estudiar desarrollo?

“Yo ingresé al programa de Machine Learning porque Holberton ofrece un programa de inteligencia artificial con un plan de estudios con contenido relevante y aplicable a la industria del software. Lo que más me gustó fue que pude aprender con pares de diferentes partes del mundo. Trabajé con gente de Francia, Túnez, Estados Unidos…Todos de una trayectoria académica admirable y siempre con ganas de trabajar en equipo. Lo más interesante de estudiar Machine Learning es que te da las herramientas para poder aplicar inteligencia artificial a tus proyectos de software y generar soluciones que difícilmente se podrían materializar con otras tecnologías” aseguró Rolando Quiroz, Software Engineer de Holberton by Coderise.

Holberton es una academia nacida en el epicentro de los grandes emprendedores en tech: Silicon Valley que llegó a Colombia en el 2019 y se ha convertido en un semillero de casos de éxito en Desarrollo de Software. Su tasa de empleabilidad es aproximadamente del 90%. Sus participantes ocupan cargos como Desarrollador Backend, Desarrollador Frontend, Desarrollador Full Stack. Su metodología innovadora ha permitido que sus participantes no solo desarrollen competencias técnicas sino también habilidades blandas para convertirse en Desarrolladores Software de talla internacional y preparados para las exigencias del mercado laboral actual y su apuesta por una plataforma en la nube ha permitido que cientos de participantes aprendan a pensar como desarrolladores y la lógica que hay detrás del código.

Para poder aplicar al Programa de Machine Learning solo hay que inscribirse por la página web de Holberton, ser mayor de edad y pasar las pruebas de admisión con esto se comprobará la experiencia del Desarrollador.

Imágenes: Foto de Ali Shah Lakhani en Unsplash

El uso de modelos creador con Machine Learning es una de las herramientas que más ha cobrado popularidad en la década más reciente de desarrollo. Por ejemplo, está la idea que en un futuro muchos proyectos cuenten con ‘co programadores IA’ que ayudan a crear código de manera más rápida y efectiva.

Sin embargo, cuando se plantean estos modelos a menudo la duda está en si estos programadores AI producen más o menos errores que los humanos. Y la buena noticia es que un estudio comprobó que, contrario a lo esperado, estos modelos producen incluso menos bugs.

El estudio se llevó a cabo utilizando como sujeto de prueba el Codex OpenAI que sirve como motor del GitHub Copilot (uno de los modelos más populares de este tipo).

¿Cuál era el reto? La principal inquietud que generan la mayoría de estos modelos LLM es que son entrenados a través de cantidades masivas de código y text data. El problema está en que todos estos recursos fueron creados por humanos y, por lo tanto, la pregunta está en si los programadores AI pueden también reproducir estos mismos errores. Un problema importante, pues un programador no detectaría estas fallas, sino hasta después de insertar el código creado dentro de sus propios proyectos.

El segundo problema está en la seguridad. La idea de estos ‘co-pilotos’ es que creen código que sea seguro. El problema está en que este concepto requiere de mucho más contexto del que se podría imaginar. Cualquier desarrollador sabe, por ejemplo, que código aislado puede ser seguro, pero ejecutado dentro de otro software puede que no.

Te puede interesar: ¡Atención a estas becas para estudiar Desarrollo de Software en Antioquia!

¿La respuesta? Poco conclusiva. Hay demasiadas variantes y el problema está precisamente en esto. Se debe considerar el lenguaje utilizado y el software en el que es desplegado, por ejemplo. Otro factor importante es con qué se le está comparando. En este caso los sujetos de prueba fueron estudiantes, no programadores expertos.

“El análisis actual de los resultados de nuestro estudio de usuarios no ha encontrado ninguna diferencia estadísticamente significativa; todavía estamos analizando esto, incluso cualitativamente, por lo que no sacaría conclusiones sólidas de esto, particularmente porque fue un estudio pequeño (58 usuarios en total)”.

La conclusión rápida es que falta mucho para que las máquinas remplacen a quienes las programan. Para empezar, porque estamos en un punto en el que la manera en la que educamos a estos modelos supone que tienen los mismos errores base de un humano (o al menos, el potencial de que los cometan). Pero además porque el contexto sigue siendo clave en el desarrollo de software… algo en lo que los programadores AI todavía necesitan apoyo de humanos.

Imágenes: Foto de Pixabay

Sin embargo, una de las mejores actividades/experimento que ofrece es la posibilidad de que puedas crear tu propio personaje ‘manga’ utilizando machine learning y puedes probarlo en este enlace. El experimento es bastante sencillo:

1- Debes crear figuras generales (sugerimos diferentes capas de círculos). Lo que hace el algoritmo de Google es que transforma estos trazos en líneas de esbozo, tomando como base de datos imágenes y piezas de manga. El resultado final no es un dibujo completo, pero la idea es que sí te presente algo cercano a un rostro de tipo ‘anime’.

2 – Después de eso con el lápiz puedes ultimar algunos detalles. Completar líneas, separar ojos, crear rasgos y sombras.

3 – Luego tienes que colorear, aunque más que eso es solo marcar las áreas que deseas de un color.

4 – El último paso es dejar que la inteligencia artificial de Google utilice tus trazos y los convierta en una obra de arte.

Por supuesto, si cuentas con un lápiz, una tableta y un poco más de habilidad los resultados serán algo diferentes. Dicho esto, se trata de un experimento interesante para aquellos que (como yo) nunca han contado con la habilidad artística para siquiera poder dibujar los personajes más sencillos. El machine learning de Google incluso toma los rasgos más importantes de tu obra final para sugerir obras similares.

Te puede interesar: La venta de manga crece, mientras que el cómic agoniza

A continuación, les compartimos otras de las obras, resultados de nuestros experimentos.

Imágenes: Google y capturas ENTER.CO

Por ejemplo, en nuestros celulares están presentes en tareas sencillas como la carga de la batería. Además, está en tareas más complejas como conocer nuestros hábitos y recomendar aplicaciones e, inclusive, los cambios automáticos en el foco de la cámara. En nuestros servicios de streaming, el algoritmo, junto a la inteligencia artificial, nos están recomendando series o música que nos puede gustar; muchas veces nos conocen mejor que nosotros mismos. Finalmente, cuando estamos haciendo compras por Internet, aunque no nos demos cuenta, estamos ofreciendo información, a través de las famosas cookies, para que esta tecnología nos conozca y recomiende productos en los que estamos interesados.

También te puede interesar: 6 herramientas de Marketing Digital para tu empresa.

Así que si no tienes en tu ecommerce herramientas de inteligencia artificial estás perdiendo una oportunidad para vender más. Dekosas.com, un marketplace especializado en venta de artículos para el hogar, usa esta tecnología para crear vitrinas personalizadas para sus usuarios. “Para esto se desarrolló y se entrenó un modelo de inteligencia artificial. Este procesa en tiempo real miles de variables y muestra un carrusel de productos asociados con las preferencias del usuario”, explica Luis Hernández, CEO y cofundador.

Pero esta no es la única forma de aplicar la inteligencia artificial en tu ecommerce, Sergio Bonilla, director de Sigma Móvil, plataforma para automatizar estrategias de marketing digital, explica que esta tecnología se puede usar en muchas más formas para ayudar a mejorar las ventas. En este momento, la empresa está desarrollando una herramientas de analítica que, además de funcionar en el sitio web para mostrar productos de interés al usuario, puede ayudarte a tener una comunicación más acertada con él. “Este motor de Big Data procesa más de 24.000 millones de datos albergados en la plataforma y los millones adicionales que se generan mensualmente; de este modo, apoya a nuestros clientes con predicciones que optimicen el rendimiento de sus campañas de comunicación masiva, como el mejor día y hora para enviar un SMS, un email o una campaña de WhatsApp”, resalta Bonilla.

¿Cómo mejora la inteligencia artificial nuestra comunicación con el cliente?

Las campañas a través de email marketing, mensajes de texto, WhatsApp, redes sociales e, inclusive, en publicidad tradicional, solo tienen éxito si logran el objetivo para el que fueron creadas: atraer más clientes y generar más ventas. Aunque es casi imposible saber a ciencia cierta si estamos haciendo lo correcto y si nuestras estrategias tendrán éxito debido a la cantidad de variables involucradas (unas que controlamos y otras que no), la inteligencia artificial disminuye estos riesgos y nos ayuda a comunicarnos de manera más acertada con nuestros clientes dado que se convierte en un agente virtual de apoyo que procesa millones de millones de datos por segundo, cosa que, por supuesto, le es imposible a un humano. Sigma Móvil resalta que hay seis puntos en los que la inteligencia artificial puede reforzar nuestras campañas de comunicación digital masiva, y en los que está trabajando para su herramienta.

• Predecir el mejor día y hora para lanzar una campaña masiva, tanto de manera general, como dependiendo de la temática del mensaje. Incluso, podrá recomendar el mejor día y hora para enviar un mensaje a cada uno de los contactos de la base de datos de nuestros clientes, y podrá enviar cada correo o SMS de manera individualizada siguiendo esa predicción.
• Mejor día y hora para ejecutar una campaña dependiendo del segmento geográfico que se quiera enfocar. “No es lo mismo comunicarse con un caleño, un paisa, un costeño o un rolo. Por eso, queremos entender y predecir los hábitos de consumo de información de las diferentes regiones del país”, resalta Bonilla.
• La mejor manera para redactar el asunto de un email. Este es la puerta de entrada de la marca con el consumidor. La idea es que la máquina analice y recomiende si el asunto debe llevar mayúsculas, incluir preguntas, usar emojis, todo con base en el comportamiento estadístico de aperturas y clics de los destinatarios de cada uno de nuestros clientes.

Para leer más sobre inteligencia artificial, visita este enlace.

• Optimización de redacción de copies de mensajes de texto. Al igual que con los asuntos de los correos electrónicos, la brevedad del SMS requiere un uso estratégico de la redacción (en promedio tiene 160 caracteres para expresar tu mensaje). El algoritmo identifica palabras clave, redacciones y estructuras de copies para incrementar la tasa de lectura de los SMS de nuestros clientes.
• Predicción de probabilidad efectividad de seguir un CTA o llamado a la acción. El algoritmo podrá calificar cada contacto de la base de datos del cliente. De este modo mostrará información en función de la propensión de un cliente para abrir un mensaje, dar clic, completar un formulario, responder a una encuesta. Y, en la medida en que la plataforma esté integrada con otros sistemas de información, por ejemplo, en un CRM o ecommerce, se pueden predecir comportamientos como probabilidades de compra y tendencia a responder a descuentos y promociones.
• Aprendizajes sectoriales. Una Cámara de Comercio se comunica de una manera diferente a como lo hace una empresa de moda, una constructora o un centro médico. La máquina necesita aprender y reconocer este tipo de diferencias para identificar tendencias. Lo que le permitirá generar predicciones a la medida de la actividad económica de cada empresa.

La inteligencia artificial es una herramienta que, debido a sus capacidades para aprender y adaptarse, puede ser la perfecta aliada para mejorar nuestras ventas. Además de generar mejores canales de comunicación con nuestros clientes. Finalmente, puede impulsar nuestro negocio al revelar insights escondidos en los datos y que simplemente no habíamos visto.

Imagen: Rawpixel en Freepik. 

Procesamiento y comprensión del lenguaje natural:

Un grupo de empresas y startups están buscando que las maquinas puedan comprender lo que las personas hablan o escriben. De esta forma, están logrando que los asistentes inteligentes cada vez puedan manejar más tareas y en más industrias; que los servicios de traducción en tiempo real estén creando un mundo más integrado, sin barreras de lenguaje; y que las herramientas de productividad se vuelven más efectivas.

Entre ellas se encuentran CoPilot que actúa como un programador en pareja que ayuda a los desarrolladores a escribir un mejor código, debido a la forma en que sugiere código nuevo y aprende el estilo de codificación del desarrollador; Primer que utiliza técnicas de machine learning para ayudar a analizar y cotejar una gran cantidad de documentos en varios idiomas con el fin de facilitar investigaciones. Y Hugging Face que está democratizando el procesamiento de lenguaje natural al crear una comunidad de código abierto para compartir modelos, conjuntos de datos y otros recursos.

Te puede interesar: ¿Contratar expertos en IA o formar el talento interno?

Aplicaciones comerciales:

Otro segmento busca aplicar la Inteligencia Artificial a los negocios. Gracias a ellos la automatización robótica de procesos está agilizando los flujos de trabajo y haciendo que las operaciones comerciales sean más eficientes; las herramientas de Low-code/no-code (código bajo / sin código) están ayudando a los no desarrolladores a crear aplicaciones y a aprovechar los datos; y el software y los servicios inteligentes están ayudando a resolver problemas del mundo real.

En este segmento se encuentran emprendimientos como DeepSee.ai que automatiza los procesos comerciales manuales mediante la combinación de código abierto y machine learning patentado, técnicas de comparación y predicción lingüísticas y análisis de sentimientos; Incorta que ofrece un servicio de procesamiento de datos todo en uno para que los clientes analicen los datos corporativos distribuidos en múltiples bases de datos y luego los conviertan en tablas y gráficos; e Indico que permite a los clientes automatizar la entrada y el análisis de flujos de trabajo basados ​​en imágenes y documentos.

Innovación de vanguardia:

Otras empresas buscan aprovechar el Internet de las cosas (IoT) y las capacidades de red casi omnipresentes prometidas por 5G para crear nuevas oportunidades con datos en tiempo real.

Con este objetivo, Autonomy Institute busca construir un entorno de ciudad inteligente de prueba para optimizar la gestión del tráfico, automóviles autónomos, robótica industrial, entrega autónoma, drones 911 e inspección automatizada de carreteras y puentes; el robot ‘Roxo’ de Deka Research se construyó sobre la base de la silla de ruedas iBot, que puede subir escaleras y elevar a los pasajeros al nivel de los ojos de los demás; y Edgeworx convierte cualquier dispositivo informático, independientemente de la computación y los recursos, o del sistema operativo, en una plataforma de software que permite a los desarrolladores implementar, administrar y orquestar aplicaciones de forma sencilla y segura desde la nube.

Te puede interesar: Inteligencia artificial y blockchain: transformando los servicios financieros.

Inteligencia Artificial para el bien:

Y finalmente, otros emprendimientos buscan como construir un mundo mejor y más seguro con ayuda de la tecnología. De esta forma ayudan a proteger vidas humanas, luchar contra la injusticia y mejorar la igualdad, por mencionar algunos propósitos.

Por ejemplo, Folding@Home resolvió algunos problemas básicos relacionados con el COVID-19 que hicieron posible comenzar la producción de vacunas; Carla Gomes con su trabajo en las hidroeléctricas brasileñas logró el equilibrio correcto entre la producción de metano / daño ambiental y la generación de electricidad a bajo costo; e Internet Watch Foundation pudo identificó 153.383 páginas web con enlaces a imágenes de abuso sexual infantil.

Para finalizar, queremos también resaltar el trabajo de algunas startups, en alguno de estos ejes temáticos. Medical Informatics Corporation creó Sickbay, una plataforma tecnológica que utiliza datos para ayudar a recopilar información sobre el paciente; Udyogyantra se centra en la seguridad alimentaria y la transparencia de la cadena de suministro con el sistema SmartQC que estandariza y mejora la calidad de los alimentos al proporcionar información en tiempo real, como la temperatura, la cantidad y la consistencia; y TabNine estudia el código compartido públicamente, principalmente mediante el escaneo de repositorios de GitHub, para sugerir finalizaciones de código que ahorran tiempo, predicciones de errores y, en general, mejorar la codificación.}

Imagen: Pavel Danilyuk en Pexels.

Con esta iniciativa, al menos 220 empresas de la Industria TI y Creativa Digital en Colombia serán beneficiadas con el fin de que realicen la adopción e incorporación de tecnologías de la Cuarta Revolución Industrial- 4RI (Analítica de Datos, Inteligencia Artificial, Machine Learning y Blockchain) para mejorar su cadena de valor, su conocimiento del mercado y su comercialización de productos, bienes y servicios.

Te puede interesar: Convocatoria nacional en ciberseguridad para el sector empresarial.

Las empresas seleccionadas tendrán acceso a una transferencia de conocimiento de 114 horas, distribuidas en tres componentes: fortalecimiento al análisis de demanda y del mercado, herramientas de comercialización y herramientas de aplicación de 4RI. El operador contratado es Etraining SAS, y la convocatoria está abierta para todas las empresas a nivel nacional que cumplan los siguientes requisitos:

• La empresa debe contar con un año de constitución al cierre de la convocatoria.
• Su objeto social debe estar relacionado con algunas de las siguientes actividades: plataformas digitales, desarrollo de software, creación de aplicaciones, animación, contenidos interactivos, videojuegos, contenidos interactivos audiovisuales, y afines.
• Haber renovado su matrícula mercantil en el año 2021.
• Las empresas no deben encontrarse en proceso de liquidación o concordato.
• Estar registrada en la Cámara de Comercio y contar con Registro Único Tributario vigente.
• Que no se encuentren dentro de las causales de inhabilidad e incompatibilidad o prohibiciones, constitucional y legalmente establecidas para licitar y contratar.

Te puede interesar: MinTIC y MinSalud firman resolución para Historia Clínica Electrónica.

Adicionalmente, las empresas interesadas en el programa ‘Blockchain y analítica de datos para industrias digitales’ deben tener la capacidad de designar un líder del proyecto y un equipo de trabajo de entre 2 y 5 personas, mayores de edad y empleadas de la compañía para que asistan a la transferencia de conocimiento, con disponibilidad horaria y recursos tecnológicos para participar sin inconvenientes.

Finalmente, los interesados pueden inscribirse en este enlace. Una vez realizada la inscripción, la empresa debe enviar los documentos soportes al correo contactoblockchain@etraining.co antes del cierre de la convocatoria. Para mayor información y conocer los documentos requeridos, se puede consultar la totalidad de la convocatoria en este enlace.

Imagen: Pete Linforth en Pixabay.

Alan Jacobson, el director de análisis y datos de Alteryx, una empresa que vende software de análisis de datos a varias de las empresas Fortune 500, tiene una fuerte opinión al respecto: “Todos pueden convertirse en científicos de datos”.  Jacobson informó a Fortune que con frecuencia escucha a los ejecutivos de las grandes empresas quejarse por no poder encontrar personas con experiencia en análisis de datos, machine learning e inteligencia artificial. Sin embargo para él, esos ejecutivos están ignorando el gran recurso que ya tienen en sus propias organizaciones.

“La mayor parte de la ciencia de datos aplicada en el mundo empresarial está al alcance de la mayoría de los trabajadores”, dijo Jacobson, agregando que “Es mucho más fácil enseñarle a un contador algo de ciencia de datos que enseñarle contabilidad a un científico de datos”. Este es un contundente mensaje para los empresarios. Con un poco de inversión en tiempo y dinero, las empresas pueden enseñar a sus empleados habilidades de ciencia de datos para que puedan implementar modelos de IA y machine learning.

Te puede interesar: Inteligencia artificial y blockchain, transformando los servicios financieros.

Por lo tanto, Jacobson cree firmemente en que el valor comercial de la ciencia de datos y el aprendizaje automático está en poner las herramientas directamente en manos de los expertos que usarán los datos. En un estudio que Harvard Business Review realizó con Alteryx, descubrieron que el 63% de las empresas confían en equipos de análisis de datos y TI centralizados para ofrecer análisis de datos avanzados y, sin embargo, casi ninguno de ellos informó estar satisfecho con esa solución.

Esto lo que demuestra es que no se pueden hacer preguntas correctas si no se comprenden realmente los datos. O que las personas necesitan saber qué están viendo para poder hacer mejores preguntas.  Por lo tanto, el personal experto, que conoce la empresa desde adentro, es el más indicado para reconocer si los datos están aportando valor o no. Un externo trabajando solo en el tema, no podría reconocer con tanta facilidad si las preguntas son las correctas y si las respuestas están generando valor a los datos.

Jacobson también comenta que muchas empresas temen introducir esta poderosa tecnología en sus filas de empleados porque están demasiado concentradas en los riesgos de que algo salga mal. Sin embargo, desde su experiencia, considera que sólo un puñado de casos de uso empresarial realmente necesitan un modelo lo suficientemente sólido como para tomar decisiones de misión crítica totalmente automatizadas. En estos casos, si sería recomendable contratar a expertos en ciencia de datos, machine learning e inteligencia artificial, eso si, en estrecha consulta con los expertos internos.

Te puede interesar: ¿Por qué especializarse en Machine Learning?

Enseñar a los expertos internos a construir sus propios modelos de aprendizaje automático es también, argumenta Jacobson, una de las mejores formas de evitar las trampas y los problemas éticos en torno a la implementación de IA. Por ejemplo, un problema con muchos modelos de machine learning es que pueden encontrar correlaciones falsas en los datos. Los expertos internos tienen más probabilidades de olfatear esas inferencias sin sentido, que los científicos de datos sin un conocimiento profundo de esa área comercial en particular.

En conclusión, y teniendo en cuenta la opinión de Jacobson, lo más recomendable es que los empresarios le pierdan el miedo a capacitar a su personal interno en análisis de datos para que puedan construir modelos de machine learning e inteligencia artificial específicamente para sus negocios. En caso de necesitarse una IA muy avanzada, se recomendaría trabajar en conjunto con expertos externos, pero nunca desligando toda la responsabilidad al asesor externo, sin tener en cuenta el conocimiento interno.

Imagen: Lukas from Pexels.

Durante los nueve meses del programa avanzado los participantes aprenderán de tecnologías como TensorFlow, Pandas, Keras, MongoDB, Numpy, Matplotlib, algoritmos y estructuración de datos. «Nuestro nuevo programa, les permitirá a desarrolladores y programadores aprender sobre las habilidades más demandadas en las empresas de tecnología a nivel global. Para maximizar el valor del aprendizaje y las habilidades es 100 % en inglés; lo que quiere decir que tendrán la capacidad de multiplicar sus ingresos», resaltó Hernando Barreto, director ejecutivo de Holberton Colombia, Ecuador y Florida (Estados Unidos).

También te puede interesar: Holberton Colombia anuncia su programa avanzado de Machine Learning.

Además, Holberton School Colombia destaca que los participantes del programa avanzado en Machine Learning de Holberton son populares entre los reclutadores de Mercado Libre, Rappi, Techstars y Skillshare; algunos participantes del programa básico ya trabajan con estas compañías. El programa avanzado en Machine Learning tiene una duración de nueve meses en modalidad virtual. Este funciona de la misma manera que los otros programas, con ingresos compartidos. Es decir que no pagarás nada durante el programa, pero deberás dar 17 % de tu sueldo una vez encuentres trabajo.

Los participantes en el programa avanzado de Machine Learning necesitarán al menos 60 horas por semana para realizar las diferentes actividades de aprendizaje; entre ellas reuniones diarias con sus compañeros, personal de Holberton, desarrolladores y especialistas en el campo. Dedicarle el tiempo apropiado al proceso, garantizará que logren adquirir habilidades a la par con expertos en el tema en Estados Unidos.

Es importante resaltar que las personas interesadas en participar en el programa avanzado de Machine Learning necesitan tener conocimientos en programación y desarrollo de software, no importan si su educación ha sido formal o no, para ingresar deberán presentar una serie de pruebas digitales en el portal de Holberton. Para inscribirse y obtener más información se puede visitar este enlace.

Imagen: Rawpixel en Freepik.

Según informó TechCrunch, Zoom anunció que tiene la intención de adquirir la startup alemana Karlsruhe Information Technology Solutions, Kites para abreviar, para llevar la traducción basada en aprendizaje automático en tiempo real a la plataforma. Esto cobra relevancia ahora que más empresas se expanden por el mundo y tienen la necesidad de conectarse digitalmente a través de herramientas como Zoom.

Si bien no se conocen aún muchos detalles del acuerdo, Zoom adquiriría un equipo de los mejores investigadores, que pueden ayudar a mejorar el conocimiento de traducción con machine learning en la empresa. “El talentoso equipo de Kites de 12 científicos ayudará al equipo de ingeniería de Zoom a avanzar en el campo de la traducción automática. Se espera mejorar la productividad y la eficiencia de las reuniones, proporcionando traducción en varios idiomas”, dijo la compañía en un comunicado.

Te puede interesar: Zoom ilimitado para planes pospago empresariales de Claro.

El acuerdo parece una adquisición / contratación, ya que lo que se busca es incorporar a estos 12 investigadores al grupo de ingeniería de Zoom. Sin embargo, los investigadores permanecerían en Alemania con el objetivo de construir un centro de investigación y desarrollo en torno a la traducción con aprendizaje automático.

Kites, fundada en 2015, argumenta contar con 56 años de experiencia colectiva en I + D en procesamiento de voz e inteligencia artificial. Y según su fundador y CEO, el Dr. Sebastian Stüker, el propósito de la compañía es “hacer que las barreras del idioma sean cosa del pasado. No queremos buscar cosas en diccionarios; queremos comunicarnos más libremente. Así que construimos una máquina para hacerlo posible”.  Adicionalmente, la compañía menciona en su perfil de LinkedIn que es una de las pocas empresas, incluidas Google y Microsoft, que han desarrollado “tecnologías líderes de traducción y reconocimiento de voz”, lo que sugeriría que Zoom adquiriría algunas tecnologías clave.

Imagen: Tessa Kavanagh en Pixabay.

Martin Alvemo, CEO de la empresa, afirma que la industria que representa no es ajena a los procesos de innovación tecnológica en tiempos de crisis. Por eso, de la mano de aseguradoras y aliados claves asegura haber construido un canal que le permite a los colombianos “obtener la mejor experiencia de adquisición de un seguro todo riesgo en el país”. Gracias a su sistema tecnológico, la plataforma identifica cuáles son las opciones que más se ajustan al perfil del usuario. Analiza factores como el tipo de vehículo, las necesidades puntuales del usuario y las experiencias de otros usuarios. Además, cuenta con un motor de recomendación basado en tecnología de machine learning para generar la recomendación de las 12 aseguradoras más relevantes para los colombianos, asegura la entidad.

Te puede interesar: América Latina y el Caribe, continente de startups.

“Estamos invirtiendo en nuestra transformación digital cada día más y esto nos está llevando a un crecimiento muy alto. La idea es continuar con esta trayectoria y liderar el cambio a experiencias digitales en el sector de seguros. Hoy en día solo el 2% de las ventas en el ramo de autos se hacen por canales digitales. Estamos trabajando para que en unos años esa cifra suba al 90%”, explica Alvemo.  Lo anterior parece ir por buen camino, pues las ventas de seguros en línea aumentaron un 18.9% en el primer trimestre de 2021, según análisis de SeguroCanguro.com. Antioquia y la región Caribe parecen ser las zonas que más han aprovechado la tecnología, acaparando el 67.2% de las compras.

Adicionalmente, esta creciente apuesta tecnológica de la industria les ha permitido llegar a diferentes territorios del país, logrando confrontar viejos modelos tradicionales de venta. Durante el último año, más de 20 mil personas han adquirido su seguro a través de SeguroCanguro.com, lo que significa uno de cien carros asegurados en el país. Esto a través de un proceso de desarrollo tecnológico que está alineado con los desafíos de un ecosistema insurtech, que según Finnovista, Colombia lidera de la mano de países como México y Brasil en la región.

Esperamos seguir viendo como los clientes adoptan estas nuevas tecnologías y como las empresas siguen desarrollando ecosistemas de insurtech que favorezcan la experiencia del usuario, reduzcan los fraudes y permitan la toma de mejores decisiones.

Imagen: Michael Gaida en Pixabay.

Esta usa algoritmos computacionales para mejorar de manera automática las experiencias a través de datos. Hoy, está prácticamente en todos los dispositivos, nuestros celulares, por ejemplo, para el ahorro de batería inteligente, en las cámaras para mejorar la calidad de las fotos; incluso en televisores y neveras. Por lo que se ha convertido en una disciplina de alta demanda en nuestro país, en las startups nacientes en Silicon Valley y todo el mundo.

Algoritmos de inteligencia artificial están presentes también en empresas como Facebook, Twitter, Uber y en Google los encuentras en todas partes.  Usamos y alimentamos algoritmos de Machine Learning todo el tiempo, aún sin saberlo.

¿Cuál es el salario de un experto en Machine Learning?

De acuerdo con un reporte de Tractica, la inteligencia artificial y el Machine Learning generará para 2025 ventas de $19.900 millones de dólares. Con empresas interesadas en desarrollar y adaptarse a las nuevas tendencias, la oferta de posiciones para expertos en este tema seguirá escalando en los próximos años, especialmente de ingenieros actualizados y que puedan entender el avance a nivel mundial.

“Las empresas están dispuestas a usar Machine Learning, saben de los beneficios que existen al aplicarla. Por supuesto, también hay riesgos y son a nivel ético, por lo que es importante conocer su alcance y saberlo hacer”, resaltó Carlos Álvares, Ingeniero de Kiwibot, durante el Open House que realizó Holberton Colombia sobre su nuevo programa avanzado en Machine Learning. Además, agregó que es un campo interesante precisamente por las múltiples respuestas que puede dar a un problema y la forma en que puede transformar la sociedad a medida que avanzan sus desarrollos.

También te puede interesar: Holberton Colombia anuncia su programa avanzado de Machine Learning.

Con las oportunidades que se están generando, los salarios también han cambiado. De acuerdo con un estudio de Indeed, portal de búsqueda de trabajos, desde el 2015 el pago para ingenieros expertos en Machine Learning ha aumentado 344 % y hoy se pueden encontrar opciones de más de $145.000 dólares. Expertos son especialmente buscados por startups de Estados Unidos, muchas de ellas dispuestas a contratar desarrolladores a distancia y a mantenerlos en el equipo gracias a la nueva realidad en la que vivimos.

¿Qué conocimientos necesito para especializarme?

Durante el Open House de Holberton Colombia, los dos invitados señalaron que las personas interesadas en Machine Learning necesitan manejo de Phyton, principalmente, conocimiento en visualización de datos y un alto grado de ética.

El portal Edureka, por su parte, señala que la estadística, algebra linear, calculo, probabilidad también serán necesarios. Inicialmente, Holberton Colombia tenía su programa avanzado en Machine Learning abierto solo para los participantes del programa básico, pero ante la actual demanda de expertos en el tema decidió abrirlo para todos los interesados.

Enter.co/dev  es una colaboración con Coderise.org y Holberton School Colombia para promover la comunidad de programación en Colombia.

Imagen: Pikisuperstar (Vía Freepik). 

Los participantes del programa avanzado en Machine Learning de Holberton son populares entre los reclutadores de Mercado Libre, Rappi, Techstars y Skillshare; algunos participantes del programa básico ya trabajan con estas compañías.

También te puede interesar: ¿Qué son los ingresos compartidos y por qué hay que aprender a verlos diferente?

Durante los nueve meses del programa avanzado los participantes aprenderán de tecnologías como TensorFlow, Pandas, Keras, MongoDB, Numpy, Matplotlib, algoritmos y estructuración de datos. “Nuestro nuevo programa, les permitirá a desarrolladores y programadores aprender sobre las habilidades más demandadas en las empresas de tecnología a nivel global. Para maximizar el valor del aprendizaje y las habilidades es 100 % en inglés; lo que quiere decir que tendrán la capacidad de multiplicar sus ingresos”, resaltó Hernando Barreto, director ejecutivo de Holberton Colombia, Ecuador y Florida (Estados Unidos).

Crece la demanda de talento tech y expertos en campos específicos como Machine Learning

Debido a la pandemia, se ha popularizado en trabajo remoto y con este se han eliminado las barreras al momento de contratar talento, especialmente en desarrollo de software. Actualmente, el sueldo para un experto en temas de Machine Learning está por encima de los $150.000 dólares en los Estados Unidos, de acuerdo con Indeed, una plataforma de recursos humanos.

También te puede interesar: Mitos y realidades sobre Holberton SchooI en Colombia

Los participantes en el programa avanzado de Machine Learning necesitarán al menos 60 horas por semana para realizar las diferentes actividades de aprendizaje; entre ellas reuniones diarias con sus compañeros, personal de Holberton, desarrolladores y especialistas en el campo. Dedicarle el tiempo apropiado al proceso, garantizará que logren adquirir habilidades a la par con expertos en el tema en Estados Unidos.

Es importante resaltar que las personas interesadas en participar en el programa avanzado de Machine Learning necesitan tener conocimientos en programación y desarrollo de software, no importan si su educación ha sido formal o no, para ingresar deberán presentar una serie de pruebas digitales en el portal de Holberton. Para inscribirse y obtener más información se puede visitar este enlace.

Enter.co/dev  es una colaboración con Coderise.org y Holberton School Colombia para promover la comunidad de programación en Colombia.

Imagen: Fullvector (Vía Freepik). 

Forcepoint, empresa de ciberseguridad para la protección de usuarios y datos, hizo predicciones sobre qué veremos el próximo año y cómo deberíamos protegernos. “Durante el 2021 los ataques van a aumentar, serán mucho más dirigidos y, además, tendrán como objetivo a las industrias como la banca, el retail o cadenas de suministros”, explicó Ramón Castillo, ingeniero de Forcepoint, a ENTER.CO.

Además, destacó que el blanco serán los usuarios. Por eso, las empresas deben comprender que el perímetro de su seguridad debe extenderse hacía él. Ya no es solo brindar conectividad, es también brindarle un contexto seguro, educación de cómo proteger los datos y cómo protegerse. En este momento el usuario es el eslabón más débil de la cadena.

6 retos en materia de ciberseguridad que vamos a ver en 2021.

Nacimiento del “Zoom” de la Ciberseguridad

Situación actual: la ciberseguridad se ha convertido en el motor que permite que los negocios aceleren su migración a la nube, lo que ha provocado que para los directivos haya aumentado su importancia dentro de la estructura.

Predicción: la necesidad de contar con una plataforma convergente, digital y en la nube significa que veremos el surgimiento del “Zoom de la seguridad”. Como descubrimos este año, Zoom “funciona” y eso es lo que los directivos exigirán de sus plataformas de seguridad cibernética para que la seguridad se arraigue tan profundamente en las aplicaciones y plataformas que las personas ya no se den cuenta de que están siendo “protegidas”. La nube se volverá parte del ADN de la ciberseguridad, de una forma en que hoy no lo es.

 Machine Learning: objetividad bajo la lupa

Situación actual: Las tendencias en el trabajo remoto significan que la monitorización es más necesaria que nunca y debe gestionarse con Machine Learning.

Predicción: en 2021 el aprendizaje automatizado y la analítica estarán sometidos a un escrutinio aún mayor ya que se cuestionará la confianza en su naturaleza imparcial y justa, así como sus límites éticos. Para crear sistemas cibernéticos que ayuden a identificar a los usuarios riesgosos y eviten acciones perjudiciales, los datos que analizamos provienen en su mayor parte de estudiar las actividades de los usuarios, su comportamiento. Al realizar este análisis debemos usar una combinación de algoritmos e inteligencia humana. Sin el aporte de la intuición, los conocimientos, el contexto y la comprensión de la psicología humana, se corre el riesgo de crear algoritmos sesgados o de tomar decisiones basadas en datos sesgados o con fallas.

También te puede interesar: Colombia, uno de los países más afectados por ransomware

La Seguridad, diseñada para el Comportamiento Humano

Situación actual: Los cambios generados por la pandemia actual, revelaron debilidades en las herramientas y protocolos de seguridad para trabajadores remotos, destacaron problemas de confiabilidad y accesibilidad de la red, y exigieron que los trabajadores encontraran formas innovadoras de mantener las organizaciones en funcionamiento.

Predicción: en la industria de la ciberseguridad, la observación y la comprensión de los comportamientos deben ir acompañadas del contexto. Queremos que las personas puedan hacer su trabajo dentro de las limitaciones de nuestra red y políticas corporativas, por lo que bloquearlas solo fomentaría la tendencia humana a encontrar una ruta más fácil para hacer su trabajo. Con un equipo de investigación interdisciplinario, que reúne a expertos de seguridad, contrainteligencia, TI y ciencias conductuales, la comprensión del comportamiento se puede integrar a los sistemas de ciberseguridad.

La desinformación, en la mesa de discusión

Situación actual: las campañas de desinformación son fáciles y de bajo costo de implementar, mientras que el riesgo y las sanciones son casi inexistentes; y peor aún las personas continúan creyendo al pie de la letra lo que leen; sin ninguna investigación adicional.

Predicción: para 2021, y en adelante, la desinformación seguirá aumentando en enfoque y alcance. Históricamente hablando, la innovación está impulsada en gran medida por la necesidad. Si bien la desinformación es una amenaza grande y creciente, es interesante pensar qué nueva tecnología podría surgir a partir de que los expertos plantean el tema a niveles gubernamentales, o cómo las redes sociales pueden evolucionar para enfrentar este desafío urgente.

Para leer otras noticias de seguridad, visita este enlace.

 Identidades sintéticas, una nueva amenaza

Situación actual: según McKinsey, el fraude mediante identidades sintéticas es el tipo de crimen financiero de mayor crecimiento en los Estados Unidos y se está ampliando a otras geografías. Los estafadores sintéticos utilizan credenciales reales y falsas para crear un perfil falso lo suficientemente creíble para solicitar créditos.

Predicción: surgirán células organizadas de infiltrados de reclutamiento que faciliten el que ofrezcan personas con malas intenciones se conviertan en empleados confiables, con el objetivo de exfiltrar propiedad intelectual (IP) incalculable. El problema para detectar este tipo de fraude mediante aprendizaje automatizado radica en el definir el conjunto de datos con el cual se lo entrena. Se necesita ir más profundo y comprobar la identidad con fuentes de datos de terceros que demuestren un historial congruente. Vemos muchos casos de robo de datos por parte de empleados que creen que no serán descubiertos y, por otro lado, una gran cantidad de fugas de datos causadas por el error humano o una mala administración de seguridad.

 Monitoreo del usuario en tiempo real

Situación actual: Casi de la noche a la mañana, las organizaciones cambiaron de una fuerza laboral predominantemente basada en una oficina a trabajadores remotos. El antiguo perímetro de seguridad claramente desapareció, los datos debieron ser más accesibles que nunca. En 2021, saldrá a la luz la cantidad de propiedad intelectual robada por atacantes externos y/o personas internas malintencionadas durante el trabajo remoto de 2020.

Predicción: la visibilidad de los datos y la gestión de la protección de éstos será el imperativo de ciberseguridad más importante para las empresas en 2021, para trabajar de forma segura, independientemente de la ubicación. Para detener la fuga de datos, necesitamos saber exactamente dónde están minuto a minuto. Lo que significa que se debe introducir el monitoreo de la actividad del usuario en tiempo real. La transparencia en la implementación de estas soluciones y la consideración cuidadosa de la privacidad del usuario deben ser el núcleo de cualquier solución de monitoreo de la actividad.

Imagen: Jaydeep_ (Vía Pixabay). 

La convocatoria estará abierta hasta el 22 de noviembre a través de este enlace y podrán participar personas mayores de 18 años, en pareja o individual, con estudios afines a matemáticas aplicadas, estadística, finanzas, física o ciencias de la computación, con conocimiento en programación en R y/o Python, apasionados por los números, Analytics y Machine Learning. “En Bavaria queremos abrir nuestras puertas y dar la oportunidad a estudiantes, recién graduados y personas interesadas en ciencia de datos de aprender e involucrarse en un desafío que les permitirá experimentar con problemas reales del negocio; además deconocer a líderes de nuestra compañía y entender en la práctica cómo se combina la ciencia de datos con la estrategia”, aseguró Daniel Delgado, Analytics Manager de Bavaria.

También te puede interesar: Colombia proveedor de desarrolladores en la región.

Premios del hackaton ‘Brewing Data Cup’

El Hackathon se llevará a cabo el fin de semana del 27 al 29 de noviembre, con un reto de ciencia de datos enfocado en expansión de marcas. En esta etapa, Bavaria buscará los mejores proyectos para lo cual se evaluará: metodología, originalidad de la idea, implementación, despliegue, escalamiento, calidad del modelo, calidad del código y estructura de presentación.

Los cinco equipos seleccionados en Colombia podrán competir con Grupo Modelo (México) y Backus (Perú) para presentar sus soluciones a los líderes de tecnología y ventas de la multinacional. El ganador general de la competencia recibirá un Xbox de última generación por participante. Además, compartirá los siguientes premios con el primer y segundo puesto por país: kits, mercancia conmemorativa y packs de cervezas de las marcas de la compañía y una estadía en uno de los hoteles de Paradise Advisor, la plataforma de ecoturismo de Cerveza Corona.

Imagen: Altum Code (Vía Unsplash). 

Lo que hace María es elegir las rutas que, según los datos que ha recogido, serían las ideales para reducir el consumo de combustible en los barcos. María le dice al barco por dónde debe ir. Luego, el modelo de machine learning que usa la empresa valida las rutas y selecciona la más óptima. 

Al principio tenía dudas con el proyecto porque es una empresa pequeña y aún tenían que decidir muchas cosas. Además, tenía un poco de miedo porque no estaba segura si podía con el trabajo, pero “me emocioné cuando me explicaron el reto técnico”, comentó. Después de definir las herramientas con las que iban a trabajar y de recoger todos los datos que les dieron las empresas marítimas, probaron si el modelo de machine learning que tenían era en realidad acertado. 

También puede interesarte: “¿Quién dijo que la programación es solo un cuento de hombres?”

En esa fase uno de las pruebas lo que hacían era tomar los datos de las rutas que ya había hecho una empresa, sin ver el gasto del combustible, y pasarlo por el modelo. Cuando tenían los resultados, los comparaban con la realidad y se dieron cuenta que el modelo en realidad era bastante acertado. 

En febrero comenzaron las pruebas de campo y según María todo ha salido bien. “Se siente bastante presión por elegir la ruta y que esté bien construida. Todo tiene que estar validado: tiempos, distancias, los datos geográficos y los factores como el clima o el peligro de algunas zonas en que puede haber piratería”, aseguró.

Esta venezolana de 29 años trabaja en Medellín junto con los otros dos ingenieros de la compañía: Luis Bermúdez, encargado de la infraestructura, y Camilo Santa, ingeniero especializado en machine learning, ambos paisas. El resto del equipo está en Estados Unidos: Dylan Keil, CEO y cofundador de la empresa, y David Zhan Liu, cofundador e ingeniero en jefe.

Bearing AI es una de las startups que ha salido de AI Fund, un “taller de startups” donde se generan ideas de negocios, se validan en el mercado y se construyen los prototipos. De hecho, AI Fund es un fondo creado por Andrew Ng, uno de los líderes en Inteligencia Artificial en el mundo.

También puede interesarte: “Coderise lanza bootcamp de programación para mujeres”

María es la única mujer en los equipos de ingeniería que hay en la oficina de AI Fund en Medellín, se muestra emocionada porque además de que el proyecto tiene mucho potencial, ayuda con el medio ambiente (por la reducción en el gasto de combustible). “Me parece muy chévere que ya hay mucha gente interesada en un producto que ni siquiera se ha terminado”, dijo. Lo que espera es que la empresa empiece a crecer y cuente con un gran equipo de ingeniería.

Foto destacada: Axel Ahoi en Unsplash

Enter.co/dev  una colaboración con Coderise.org y Holberton School Colombia para promover la comunidad de programación en Colombia.

Cada curso está compuesto por los fundamentos y va subiendo de nivel hasta llegar a laboratorios. De acuerdo con el comunicado de Amazon, esto les permitirá a los desarrolladores explorar más sobre aprendizaje automático con ejemplos reales que tuvieron que ser solucionados por la compañía en su momento.

Encuentra otros cursos gratis en este enlace y otros cursos en línea en este.

Entre los ejemplos hay predicción para elegibilidad de opción de regalo, optimización de rutas de entrega, predicción de nominaciones a premios usando la plataforma de IMDb, entre otros.

Certificado de aprendizaje automático de AWS

Además, la compañía también certificará a las personas que tomen ciertos cursos y que serán pagos. “Queremos ayudarles a los desarrolladores a demostrar sus conocimientos, por eso abrimos esta certificación. Nuestros clientes pueden tomar el examen desde ya (que está a mitad de precio por tiempo limitado)”, escribió Matt Wood, gerente general de inteligencia artificial de AWS.

Todo el contenido educativo de la plataforma está en inglés, por lo que es necesario tener conocimientos avanzados en esta lengua; especialmente en términos de ingeniería. Además, se necesita conocimiento básico en temas como computación y programación.

Los cursos y el contenido ya están disponibles en aws.training/machinelearning. Pero los laboratorios y los servicios que use el estudiante tienen un precio, al igual que los exámenes para recibir el certificado.

Imagen: PhotoMIX-Company (Vía Pixabay).

Por esto, Google lanzó durante el evento un curso online sobre inteligencia artificial y aprendizaje automático. El programa es gratuito y una de sus cualidades es que está pensado en ser un curso rápido. 

Qué es el curso de aprendizaje automático

Si tenemos en cuenta que Google insiste que su idea principal es permitir que todas las personas tengan acceso a la información que está disponible en Internet, no es raro que ofrezcan cursos gratuitos de una de las herramientas tecnológicas en la que más está trabajando.

El curso de aprendizaje automático incluye ejercicios, visualización interactiva de los temas y videos educativos para aprender y manejar los conceptos necesarios. Este fue creado, originalmente, como un curso para los empleados de Google y tuvo tanto éxito que decidieron permitir que el público tuviera acceso a él.

En el curso podrás encontrar, además de los videos explicativos, ejemplos con casos de la vida real y prácticas inmersivas. De este modo, podrás conocer lo básico sobre aprendizaje automático como: estudio detallado de AA (Analítica avanzada), reducción de pérdida, redes neuronales y regularización.

Tendrás la oportunidad de aprender sobre 25 temas en total. La duración de cada módulo varía, siendo el más corto de 3 minutos y el más largo es de 90. Ten en cuenta que a medida que avanzas en el curso, además de ejemplos, tendrás que construir sistemas que funcionen con inteligencia artificial en el mundo real.

Requerimientos mínimos

Aunque la promesa de Google es que el curso es básico y en esencia fácil, es necesario que conozcas de ciertos temas con anterioridad. Por ejemplo, TensorFlow y Google Cloud.

Además, la página recomienda tener conocimientos como un nivel básico de álgebra, dominio básico en conceptos de programación y experiencia programando con Python.

Puedes empezar el curso en este enlace. También puedes ver si tienes el nivel necesario simplemente respondiendo este cuestionario en la página del curso.

Imágenes: Geralt y StartUpStockPhotos (vía Pixabay).

Para ello, The Next Web le preguntó a un panel de emprendedores jóvenes cómo pueden hacer las empresas para seguirle el ritmo a la revolución de la inteligencia artificial. Estas son algunas de sus respuestas.

1.Un experto en el equipo

Una de las recomendaciones más importantes es asegurarse de tener un experto interno. Contratar consultores para que den consejos usualmente termina siendo un gasto alto para pocos resultados, dice uno de los encuestados. Así que se hace necesario un experto que te explique bien cómo aplicar inteligencia artificial y aprendizaje de máquinas a tu negocio. Es tan  importante como la implementación.

2. Usa inteligencia artificial para mejorar tu seguridad

Una de las formas más populares de usar inteligencia artificial en las empresas es para luchar contra el fraude y los crímenes financieros. Los criminales han sofisticado sus técnicas en el mundo digital. Pero las soluciones con inteligencia artificial son capaces de ayudar a las empresas a protegerse.

3. Usa chatbots para servicio al cliente

Los chatbots con inteligencia artificial ofrecen ser asistentes digitales, disponibles 24/7, para resolver las peticiones de tus clientes. Esto de forma económica, constante y muy rápido. Las compañías pueden usar reglas predeterminadas para entender y resolver las consultas de los usuarios. Y después, con aprendizaje de máquinas, el sistema puede aprender de cada interacción y escalar a problemas más complejos.

4. Investiga y lee

Presta atención a qué está sucediendo con la tecnología. Esto lo puedes lograr suscribiéndote a sitios o revistas que informen sobre investigaciones de la industria AI, análisis y actualizaciones.

5. Ten claro cómo la AI puede ser aplicada a tu industria

Lo primero que debes entender es la aplicación específica de la inteligencia artificial para tu industria. Luego, define qué problema de tu negocio necesita ser resuelto. La AI es una herramienta para resolver ese problema. Así, puedes aplicar o aliarte con compañías que puedan solucionar de una forma más eficiente esa situación. Si no existe ese aliado, entonces debes diseñar tu propia solución AI.

6. Comienza con pasos pequeños

Inicia tu camino definiendo de qué formas la automatización puede funcionar para tu empresa a pequeña escala. Puedes comenzar con chats automatizados para tu sitio web. O ahorrando tiempo con ciertas partes de tu flujo de trabajo, por ejemplo.

7. Evolucionar es la intención

La tecnología de inteligencia artificial y machine learning aún está en su infancia. No es recomendable crear de un solo tajo soluciones completamente automatizadas si eres una pequeña empresa. Así que la intención debe ser aumentar, evolucionar, no automatizar. Identifica puntos débiles en tu organización en los que la Ai pueda impulsar y mejorar el proceso actual.

8. Usa tu imaginación

Hay un factor que está haciendo que la AI no tenga una adopción tan masiva. Es la falta de imaginación por parte de los líderes de los negocios. Es necesario pensar en cómo la AI puede transformar la forma en que haces empresas. Para ello, puedes investigar sobre las mejores herramientas que existen para automatizar procesos y reducir los costos operacionales.

Imágenes: Pixabay.

Este mismo curso ha sido tomado por más de 10.000 ingenieros de Google. Y esta es la primera vez que está disponible para el público en general. Además, hace parte de la iniciativa ‘Aprende AI con Google’, según informa The Next Web.

De acuerdo con Google, este curso es gratis porque el mundo necesita entender la inteligencia artificial. “Creemos que el potencial del aprendizaje de máquinas es tan vasto, que todas las personas técnicas deberían aprender los fundamentos de machine learning”, dice la compañía.

Durante este curso, los estudiantes asisten a clases impartidas por investigadores de Google. También participan en visualizaciones interactivas y completan en total 40 lecciones. Todo el curso toma unas 15 horas y usa programas como TensorFlow, que es la plataforma de código abierto de machine learning de Google.

Para tomar este curso, se pide como prerrequisito tener conocimientos introductorios de álgebra. Y también al menos entendimiento de programación básico. Adicionalmente, si ya sabes cálculo y programar en Python, llevas una gran ventaja. Aunque no es necesario.

Ya te puedes registrar

‘Machine Learning Crash Course’ es ideal para cualquier persona que quiera iniciarse en el mundo de la inteligencia artificial. Y específicamente en TensorFlow. Los estudiantes aprenderán sobre algoritmos básicos, modelos de clasificación y cómo funcionan las redes neuronales. Con este curso, los estudiantes ya quedan con los fundamentos básicos necesarios para comenzar a trabajar en proyectos básicos en el entorno de TensorFlow.

Las clases están disponibles en inglés, francés, coreano, mandarín y español. Y si estás interesado, te puedes inscribir en este enlace. Si quieres aprender sobre inteligencia artificial, pero crees que no cumples con los requisitos, hay otros tutoriales y guías en el sitio para todos los niveles de conocimientos.

Imagen: iStock.

Ese es el caso de la herramienta SageMaker de AWS, lanzada a finales del año pasado. Y Google no quiso quedarse atrás. Hoy lanzó AutoML Vision, un nuevo servicio que le ayuda a los desarrolladores, incluyendo aquellos que no tienen conocimientos de inteligencia artificial, a construir modelos de reconocimiento de imágenes, según informó TechCrunch.

Google tiene planeado expandir su constructor de modelos de ML, con la misma marca AutoML, a otras áreas en las que tiene experiencia. Por ejemplo, reconocimiento de voz, traducción, videos, reconocimiento de lenguaje natural, entre otros. Pero por ahora, solo sirve para modelos de visión computacional.

En pocas palabras, Google dice que esta nueva herramienta le permite a casi cualquier persona ingresar un banco de imágenes, subirlas al sistema y crear etiquetas para clasificarlas. Luego, los sistemas de Google crean automáticamente un modelo de aprendizaje de máquinas. La idea es que cualquier persona puede aplicar a este servicio, ya sea para una aplicación o un sitio web propio, o para una empresa.

Según Google,  Disney usa este sistema para mejorar la función de búsquedas dentro de su tienda online. Gracias al mismo, es más fácil encontrar todos los productos que tengan similitudes con la reina Elsa de ‘Frozen’, y no solo limitar la búsqueda a los productos que tienen la etiqueta de ‘Elsa’. Es lo mismo que hizo Google para Giphy hace unos meses.

Un proceso simple, al alcance de todos

Lo novedoso de este sistema radica en que todo el proceso, de importar datos, etiquetarlos y entrenar el modelo, se hace en una interfaz en la que solo tienes que arrastrar y organizar las piezas. El sistema hace todo el ‘trabajo pesado’ y entrena el modelo por ti.

Esto significa un gran avance para las empresas pequeñas e incluso medianas, ya que, hoy en día, es casi imposible contratar expertos en aprendizaje de máquinas y no quebrar en el proceso. Sencillamente hay mucha demanda, y muy pocos expertos. No queremos decir que la plataforma es tan sencilla como ‘Paint’. Pero a lo mejor cualquier persona que esté acostumbrada a usar software de programación podría descifrarlo con facilidad.

¿Cómo podrías usar un modelo de este tipo en tu empresa?

Hay muchas opciones. Pero una de las más obvias sería el mismo que el de Disney: para optimizar las búsquedas en una tienda online. Solo tendrías que ‘alimentar’ el sistema con todas las fotos de los productos que vendes, separarlos con categorías, y luego especificar cómo se va a aplicar el modelo: en una aplicación, en un sitio web, de manera local (para inventarios, por ejemplo), entre otras opciones.

Para usar AutoML Visions, los desarrolladores tienen que solicitar un acceso. Es un formulario muy sencillo en el que se especifica para qué se va a usar el modelo, de qué son las imágenes, qué cantidad, entre otras preguntas. Las compañía no ha compartido ninguna información sobre precios. Pero según el medio, lo más probable es que se cobre una tarifa única por entrenar el modelo, y luego otra para acceder al modelo a través de sus APIs.

Imágenes: capturas de pantalla

Desde las redes sociales que usamos a diario, pasando por el correo electrónico y los celulares, las grandes compañías están incluyendo algoritmos de inteligencia artificial para mejorar sus productos y servicios. También se está usando para descubrir exoplanetas o detectar pensamientos suicidas, o hasta a encontrar pareja en Internet.

Pero hay un método en específico de AI que este año debutó en cientos de servicios. Se trata de las redes neuronales, que es el proceso para que las máquinas aprendan. Por eso, también se le llama aprendizaje de máquinas o ‘machine learning’. Las redes neuronales buscan simular la forma en que funciona el cerebro humano para aprender.

La idea es enseñarle a un algoritmo a través de datos que sirven como ejemplo. Entonces, si entrenas una máquina para identificar fotos de árboles, lo que debes hacer es mostrarle miles de fotos de distintas especies de árboles ya clasificados. Y con el tiempo, el sistema aprende a diferenciar los tipos de plantas.

Si le muestras una foto ya la máquina habrá aprendido a decirte qué especie de árbol. Si quieres ‘probar’ de primera mano la tecnología de aprendizaje de máquinas, Google nos mostró con un juego interactivo cómo funciona este método. Esta es una simplificación del proceso, pero es la idea central. Con algoritmos, decenas de compañías están usando inteligencia artificial para que sus servicios sean más inteligentes y ágiles. Este gráfico de la Nasa podría ayudarte a entender un poco el proceso.

Inteligencia artificial para todos

Pero esta tecnología no es solo un complejo aparato matemático que usan las grandes empresas. Este año, cada vez más compañías han decidido ofrecer sus plataformas de inteligencia artificial para que desarrolladores ‘del común’ puedan crear soluciones con aprendizaje de máquinas. Ese es el caso de Google, con TensorFlow. O Amazon, con su nueva plataforma Amazon SageMaker, solo por nombrar un par.

Este año también, recibimos una noticia que impactó a muchos. Facebook tuvo que apagar sus sistemas de inteligencia artificial porque se salieron de control. Este suceso comenzó a despertar, por primera vez, un miedo real por ‘máquinas’ que nos controlen en el futuro.

¿El fin el mundo?

Porque hemos visto esta situación muchas veces en películas. Pero nunca antes nos había pasado en la vida real. Incluso Elon Musk causó revuelo porque dijo que la AI será la causa de la Tercera Guerra Mundial. Claramente se trata de especulaciones, pero son una muestra de la importancia que ha tomado la inteligencia artificial en la cotidianidad de todo el mundo.

Vota en los premios ENTER.CO 2017 y llévate un Alcatel A7

¿Qué debes hacer? Vota en todas nuestras categorías de los Premios ENTER.CO 2017 usando el mismo correo electrónico (este correo nos ayudará a filtrar tus respuestas correctas). ¿Cómo elegiremos al ganador? El ganador del Alcatel A7 será quien haya votado en el mayor número de categorías por el nominado que se lleve el premio de la audiencia. En caso de empate entre dos o más participantes, el jurado de ENTER.CO verificará los registros para saber quién respondió más rápido en la última categoría publicada.

Luego, desde ENTER.CO elegiremos al ganador de la actividad, quien será contactado a través del correo electrónico con el que diligenció el formulario de votación.

El concurso se cerrará el próximo viernes 5 de enero de 2018 a las 11:59 p.m. Hasta esa fecha tendrás plazo para votar por tu ganador. Todo formulario que sea diligenciado después de la fecha no será tenido en cuenta para entregar el premio, así que no te quedes por fuera y participa.

*Actividad válida únicamente para Colombia

Conoce la política de datos y privacidad de ENTER.CO.

Imágenes: Pixabay, iStock, Nasa.

De acuerdo con The Verge, en abril, la compañía recibió un permiso para probar autos sin conductor en California. Posteriormente, en junio, el CEO de Apple, Tim Cook, confirmó que estaban trabajando en un software que podría permitir a los automóviles conducirse ellos mismos. Recientemente, el director de investigación de inteligencia artificial de Apple, Ruslan Salakhutdinov, ofreció una charla en la que habló sobre algunos de los avances recientes de la compañía en aprendizaje automático que serían útiles para dicho proyecto.

Según Wired, Salakhutdinov habló ante un grupo de expertos en Inteligencia Artificial al final de la conferencia de los Sistemas de Procesamiento de Información Neural (NIPS) de este año en Long Beach, California. Allí dio detalles de cómo Apple utiliza el aprendizaje automático para analizar datos desde las cámaras de un vehículo. También habló sobre los avances en el uso de IA para detectar peatones y ciclistas en la vía.

La Inteligencia Artificial será la aliada de Apple

Salakhutdinov también reveló esfuerzos en otros proyectos. Uno de estos es un software que utiliza las cámaras de un automóvil para identificar objetos. De modo que puede detectar automóviles y peatones, así como los carriles por donde se puede conducir. También mostró imágenes de cómo funciona el sistema cuando los lentes de las cámaras están oscurecidos por gotas de lluvia. El software puede inferir dónde están los peatones cuando la niebla u otros autos estacionados los ocultan.

Salakhutdinov también explicó que usan una técnica llamada SLAM para permitir que el software tenga un sentido de dirección. Este mismo se usa en la creación de mapas y la realidad aumentada. Otro proyecto toma los datos de los automóviles y los usa para ayudar a construir mapas con más detalle. Según Wired, el ingeniero no habló específicamente sobre cómo estos proyectos encajan en el proyecto de Apple, pero parece que el enfoque de Apple estará en desarrollar los ‘cerebros’ que eventualmente conducirán los autos de manera segura.

Imagen: Pexels.

Esta divertida herramienta la crearon dos adolescentes británicos: Oli Callaghan de 18 años, y Finnian Anderson, de 17 años, según informó The Next Web. De acuerdo con una publicación en el blog de Anderson, Colorise Bot en Twitter usa un sistema de redes neuronales ‘prefabricado’, que ha sido entrenado con una base de datos de más de 4,5 millones de imágenes.

El resultado actual es sorprendente y muy acertado. Si entras al Timeline del bot en Twitter, verás cientos de fotos transformadas de manera que casi no se nota que eran fotos en blanco y negro, aunque en algunas (quizá las más antiguas) podemos percibir que no son las imágenes originales.

I colourised your image in 4.5 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/bM1g0SxcB8

— Colorise Bot (@colorisebot) 22 de noviembre de 2017

I colourised your image in 4.4 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/J5JGFzYaaY

— Colorise Bot (@colorisebot) 21 de noviembre de 2017

I colourised your image in 3.4 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/z8VknU0wdk

— Colorise Bot (@colorisebot) 21 de noviembre de 2017

Usar este bot es muy fácil. Solo publica en Twitter una foto a blanco y negro y menciona a @colorisebot. El sistema te responderá con tu foto a color y te dirá en cuánto tiempo logró hacer la transformación.

¿Cómo funciona el bot?

Los dos jóvenes explican en el blog que cuando tuvieron la idea de crear un bot para ‘colorear’ fotos, probaron varias técnicas de programación. Primero lo intentaron haciendo los códigos desde cero en C++ y OpenCL. Pero se dieron cuenta de que el proceso era muy lento, y que no alcanzarían a tenerlo listo para una convocatoria en la que tenían pensado presentar su producto.

Luego, probaron con TensorFlow, un marco de aprendizaje de máquinas desarrollado por Google. Este ofrece una interfaz fácil para construir modelos de aprendizaje de máquinas. Sin embargo, los jóvenes tuvieron algunos problemas con la plataforma y no quisieron arriesgar su fecha límite para la convocatoria.

Finalmente, los dos desarrolladores decidieron usar un modelo ya entrenado por dos estudiantes de doctorado de la Universidad de Berkley. Usaron este modelo como una plantilla, usando Caffe y luego entrenaron a la máquina con imágenes de ImageNet, una base de datos gratuita en Internet. El método dio resultado, y el sistema logró entrenarse muy bien, porque eran más o menos 4,5 millones de imágenes.

Callaghan y Anderson dicen que la gran lección que les dejó este proyecto, aparte de varios planes derivados del mismo, es que descubrieron lo fácil que es aprender sobre ‘machine learning’, usando plataformas populares como TensorFlow y Caffe. Tal como nos los demostró Google con un sencillo experimento en línea del que te contamos hace unos meses.

Imágenes: Colorise Bot y Pixabay. 

Tener la capacidad de predecir es una de las habilidades más valoradas por los negocios de hoy. Y esta puede adquirirse a partir de tecnologías como el Internet de las Cosas (IoT), que les permiten a los dueños o gerentes de las empresas diseñar estrategias que impacten las ventas, y por ende, su crecimiento.

Google es una de las compañías que más ha aprovechado los beneficios del Internet de las Cosas, el machine learning, entre otras tendencias. Y ahora quiere poner a disposición de las pequeñas y medianas empresas (pymes) sus conocimientos y herramientas basadas en estas tecnologías, para que puedan planificar sus negocios y adquirir la habilidad de predecir todo lo relacionado con sus clientes, tanto cautivos como potenciales.

ENTER.CO conversó con Edgar Helou, director de Google Cloud Colombia, acerca de esta propuesta y esto fue lo que nos dijo.

ENTER.CO: ¿Cuáles son los beneficios del Internet de las Cosas (IoT) para las pequeñas y medianas empresas (pymes)?

Edgar Helou: El Internet de las Cosas no es más que la capacidad de capturar y analizar datos generados por múltiples fuentes o dispositivos, y procesarlos en tiempo real. En ese sentido, es una tecnología que puede ayudar a que las pequeñas y medianas empresas tengan visibilidad instantánea de lo que está pasando en su negocio y puedan tomar decisiones inmediatas.

¿Qué herramientas le brinda Google a las pymes para que puedan hacer uso del IoT y el Big Data?

EH: Google Cloud Platform es una plataforma que permite ingestar los datos, procesarlos para construir información, segmentar esa información para volverla útil en el negocio y visualizarla de múltiples formas. Una vez visualizada, las personas podrán predecir comportamientos futuros, a través de tecnologías como la inteligencia artificial. Con la ventaja, además, de que esta plataforma procesa cualquier volumen de información de forma instantánea.

¿Cuál cree Google que es el futuro de estas tecnologías? ¿Y en el sector empresarial cómo las visionan?

EH: No hay un futuro que sea exclusivo. Muchas empresas se acercan a Google buscando utilizar nuestra infraestructura de cómputo como un servicio para ahorrar costos y poder escalar. Esa es muchas veces la primera fase. Posterior a esta fase, buscan cómo sacarle provecho a sus datos para convertirlos en información relevante para la toma de decisiones en sus negocios. Por último, utilizan los datos para entrenar modelos de machine learning que les permita predecir el comportamiento futuro. Sin duda, esto que ahora es innovador y puede usarse como una ventaja competitiva, en unos años será una práctica estándar.

¿Qué porcentaje de empresas en Colombia están implementando estas tecnologías?

EH: Muy pocas, por lo cual la oportunidad es gigante. La idea es poner en manos de las empresas colombianas las mismas tecnologías que están usando los grandes jugadores de la industria en el mundo. Esa es la magia de la nube, se adapta a cualquier empresa sin importar su geografía o su tamaño.

¿Qué costos tienen estas tecnologías para las pymes? y ¿cómo pueden incursionar en ellas sin poner en riesgo su sostenibilidad económica?

EH: Como sabrás, los costos de la computación en la nube son variables y pueden representar hasta un 60% de ahorro versus la computación tradicional. Su modelo variable hace que sea totalmente escalable. De forma gratuita cualquier empresa puede realizar una prueba de concepto y aumentar gradualmente la inversión a medida que compruebe los resultados. El riesgo es infinitamente menor que en la aproximación tradicional de compra de infraestructura y software.

Son conocidos los aportes del IoT y el Big Data en áreas como el servicio al cliente, el mercadeo y las ventas. ¿En qué otras áreas o dependencias de las organizaciones pueden aportar?

EH: Cualquier área puede beneficiarse del IoT y del big data. Por ejemplo, se puede usar machine learning para predecir mantenimientos preventivos de la máquinas en cualquier industria de manufactura, a partir de las señales enviadas por los motores. Sin embargo, las aplicaciones en marketing y ventas son muy atractivas porque permiten aumentar muy rápidamente los ingresos de las compañías y es por eso que la mayoría de las empresas abordan el tema por este lado.

Big Data está relacionada con poder procesar una buena cantidad de información en tiempo real, y con estos datos hacer previsiones. Esto quiere decir que es una tecnología que no viene sola ¿Qué otras tecnologías, dispositivos o herramientas la complementan?

EH: La aproximación de Google es la de proveer una sola plataforma que contenga todas las herramientas necesarias con el fin de reducir la complejidad en la implementación. Partimos de herramientas para la captura e ingesta de la información, bases de datos auto-escalables, máquinas virtuales y contenedores para ofrecer una capacidad de cómputo como servicio. Estas son bodegas de datos ideales para el big data y un gran conjunto de servicios y APIs de machine learning que permiten procesar imágenes, audios, textos y videos. Nuestro objetivo es simplificar al máximo el proceso técnico para que nuestros clientes se ocupen de lo realmente importante que es su negocio.

Google está llevando a cabo programas de formación y capacitación para las empresas. Sin embargo, la mayoría están asociados al marketing digital. En IoT y Big Data ¿cómo acompañan a las empresas?

EH: Constantemente  hacemos capacitaciones. Tenemos un cronograma anual en cada país. Por ejemplo hicimos nuestro gran evento ‘Google OnBoard’ el 2 de mayo, el cual permitió reunir a decenas de miles de desarrolladores de todo el continente. También hacemos capacitaciones a la medida cuando una organización lo requiera. Es una prioridad para nosotros ayudar a que cada vez más personas tengan conocimientos en IoT, big data y machine learning.

¿Qué casos exitosos de empresas colombianas conocen que ya estén usando IoT o Big Data en sus organizaciones?

EH: La gente tal vez no se da cuenta pero cuando hacen una búsqueda en Google, escuchan una canción en Spotify, publican un contenido en Snapchat o ven una película en Netflix están interactuando con IoT, big data y machine learning. En resumidas cuentas, todas estas tecnologías lo que buscan es que el usuario tenga cada vez más una experiencia individualizada y que lo ponga a el en el centro de todo.

Cuando una persona del común oye hablar de Internet de las Cosas o big data, y quiere ver en ejemplo de esto, ¿en dónde lo encuentra? ¿cuál es la cara visible de estas tecnologías?

EH: Hoy en dia son tecnologías omnipresentes en las plataformas digitales más usadas del mundo. Nuestro reto, sin duda, es el de ayudar a las empresas en Colombia a acortar esa brecha de conocimiento para que las organizaciones puedan apropiarse de ellas y que podamos competir mejor en los mercados internacionales.

Imagen: Pexels.

Durante el Google I/O 2017, el evento de desarrolladores de Google, pudimos ver algunos experimentos en los cuales los desarrolladores están integrando la tecnología de machine learning en la que trabaja la compañía.

Este avance permite que la misma tecnología aprenda de la experiencia y pueda, posteriormente, ofrecer resultados a los usuarios basados en conocimientos previos. Un experimento sencillo es el desarrollado por Eric Rosenbaum y Yotam Mann, con el cual es posible hacer música con el computador simplemente tomando una imagen.

El sistema usa reconocimiento de imágenes para etiquetar lo que ve y luego convierte esas etiquetas en letras de una canción. El uso de machine learning, precisamente en la aplicación de fotos de Google, le permite a la compañía mostrar resultados mucho más precisos cuando la gente realiza las búsquedas.

Si una persona busca la palabra ‘gato’, es posible que el buscador le muestre resultados de imágenes de gatos, los cuales se muestran allí solo porque reconocen la forma o la figura del gato. Este experimento se puede encontrar en este link.

Otras aplicaciones de machine learning en Android

Durante la conferencia para desarrolladores Google también nos mostró cómo está aplicando el machine learning en los smartphones. Uno de ellos es Google Lens, sistema que le permitirá a los usuarios interactuar con los objetos que ven. Por medio de la cámara del celular, Google Lens entiende la información de lo que está enfrente del lente. Luego lo proceso y le brinda mejores resultados a los usuarios de iPhone, Pixel y Google Fotos.

En cuanto a Google Fotos, en el I/O 2017 presentó la función Suggested Sharing. Esta le permitirá al usuario conocer cuál es la mejor foto y a quién puede ser enviada. Las condiciones de luz, el enfoque de los objetos y otros elementos, son los que tiene en cuenta Google Fotos para sugerir la foto.

Imagen: ENTER.CO

Tal y como se esperaba, Google I/O 2017, la conferencia para desarrolladores de Google, estuvo repleta de anuncios. Uno de estos estaba relacionado con Google Photos y sus tres nuevas actualizaciones que harán este servicio más preciso e instantáneo. ‘Suggested Sharing’, ‘Shared Libraries’ y ‘Photo Books’ no solo simplifican la acción de tomar fotos, sino que además permiten compartir estas fotografías con nuestros seres queridos, no sin antes ‘elegir por nosotros’ las mejores imágenes.

Suggested Sharing

La función de Suggested Sharing le permitirá a los usuarios de Google Photos saber cuál es la mejor foto y a quién deben enviársela. Gracias a la tecnología de machine learning, Google escoge por ti la fotografía con mejores condiciones de luz, enfoque, entre otras características, te recuerda que debes compartir dicha foto con tus amistades y te sugiere la persona o personas a las que se la puedes enviar. Dentro de las sugerencias estarán, precisamente, los amigos o familiares que aparecen en la foto que tomaste.

Sin embargo, la novedad principal se encuentra en el recordatorio. Nadie tendrá que ‘imponer su celular’ por encima del de los demás para poder quedarse con las fotos de la fiesta o el encuentro en el que estuvieron participando.

Shared Libraries

Cuando registramos momentos familiares, es usual que queramos que los integrantes de la familia que aparecen en las fotos tengan un recuerdo de ese momento y guarden estas fotografías. Pero la acción de reunir todas las fotos y enviárselas a nuestros padres, esposos o hijos -vía correo electrónico o subiéndolas a un servicio adicional de almacenamiento en la nube- puede tomar algunas horas. Google quiso ahorrarles tiempo a los usuarios con la función Shared Libraries. Con esta actualización, después de tomar las fotografías, tu padre, esposo o hijo recibirá una invitación para que acceda a la biblioteca de fotos en común, y de esta forma podrá mirar las imágenes.

Adicionalmente, si añades fotos nuevas a la biblioteca compartida, estas quedarán incluidas automáticamente en la biblioteca y todos las podrán ver. Shared Libraries estará disponible para dispositivos móviles con sistemas operativos Android y iOS en las próximas semanas.

Photo Books

La tercera actualización de Google Photos se llama Photo Books. De acuerdo con el vocero de Google que expuso los ‘updates’ de este servicio de fotos, lo que antes tomaba mucho tiempo ahora solo necesitará unos minutos. Para armar un álbum personal en el cual solo deseas conservar las mejores imágenes, debes seleccionar todas las fotos que tomaste (no importa la cantidad), ir a la opción ‘Photo Book’ del menú de Google Photos y, de manera instantánea, Google te dirá cuáles fotos de todas las que seleccionaste son las mejores y merecen estar en tu álbum preferido. Todo esto gracias al machine learning.

Photo Book ya se encuentra disponible en los Estados Unidos, y en las próximas semanas lo estará también para los demás países del mundo.

Una novedad más: Google Lens en Google Photos

No se refirieron a esta opción como una más de las actualizaciones, pero vale la pena destacar la posibilidad que tendrán los usuarios de Google Photos de conocer, al momento de tomar una fotografía, cuál de los elementos que desean incluir en la foto es el ideal, el que se verá mejor y el que quedará mejor dentro de la composición de la imagen. En el ejemplo mostrado durante el keynote de Google I/O, se vio la cámara de un celular enfocando edificios y Google Lens diciéndole a la persona que estaba realizando esta acción cuál edificio era mejor.

Otras curiosidades

Antes de que se anunciaran las nuevas funciones de Google Photos, Sundar Pichai, CEO de Google, habló de que muy pronto se podrán eliminar automáticamente los objetos no deseados de las fotos. En el demo que presentó, Pichai mostró como en una fotografía de una niña que está lista para batear en un campo de Béisbol, y delante de ella hay una reja, será posible remover por completo la reja para tener únicamente frente a nuestros ojos la imagen de la niña. Así las cosas, esta opción nos permitirá eliminar objetos grandes, no solo detalles pequeños que a veces quedan registrados en nuestras fotografías.

Esta es una función similar a la que nos brinda el programa de diseño Photoshop, pero desde el celular. La compañía no aclaró cuando se sacará esta función, pero lo más seguro es que se incorpore a Google Photos como las otras tres actualizaciones.

Imágenes: ENTER.CO, Google I/O 2017.