Machine Learning

Futlogy presta servicios para el Aprendizaje Automático (Machine Learning), una rama de la Inteligencia Artificial que tiene como objetivo desarrollar técnicas que permitan a las computadoras aprender. Se trata de crear algortimos capaces de generalizar comportamientos y reconocer patrones a partir de una información suministrada en forma de ejemplos.

Futogy cuenta con la experiencia en el uso de técnicas de aprendizaje automático para problemas de clasificación, regresión o ranking, experiencia en la construcción de modelos predictivos para recomendaciones o personalización, diseño e implementación de productos de consumo innovadores y de envío, experiencia con búsqueda o indexación, aprendizaje profundo y redes neuronales.

Una de las tareas del AA es intentar extraer conocimiento y poder predecir comportamiento futuro a partir de lo que ha ocurrido en el pasado en este caso seria predecir si un determinado producto le va a gustar a un cliente basándonos en las valoraciones que ese mismo cliente ha hecho de otros productos que sí ha probado. Futlogy aplicando el aprendizaje inductivo puede generar mecanismmos de predicción como:

Regresión:
Intentan predecir un valor real. como ejemplo, predecir el valor de la bolsa mañana a partir del comportamiento de la bolsa que está almacenado (pasado); predecir la nota de un alumno en el examen final basándose en las notas obtenidas en las diversas tareas realizadas durante el curso.
Clasificación (binaria o multiclase):
Intentan predecir la clasificación de objetos sobre un conjunto de clases prefijadas. como ejemplo, clasificar si una determinada noticia es de deportes, entretenimiento, política, entre otros. Si solo se permiten 2 posibles clases, entonces se llama clasificación binaria; si se permiten más de 2 clases, estamos hablando de clasificación multiclase.
Ranking:
Intentar predecir el orden óptimo de un conjunto de objetos según un orden de relevancia predefinido. Como ejemplo, el orden en que un buscador devuelve recursos de internet como respuesta a una búsqueda de un usuario.

Normalmente, cuando se aborda un nuevo problema de Futlogy lo primero que hace es emarcarlo dentro de alguna de las clases anteriores, ya que dependiendo de cómo se clasifique será la forma en que podemos medir el error cometido entre la predicción y la realidad.

como resultado Futogy clasifica el resultado en:

Aprendizaje supervisado:
se genera una función que establece una correspondencia entre las entradas y las salidas deseadas del sistema, donde la base de conocimientos del sistema está formada por etiquetados a priori (es decir, que sabemos su clasificación correcta). Un ejemplo de este tipo de algoritmo es el problema de clasificación.
Aprendizaje no supervisado:
donde el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formados únicamente por entradas al sistema, sin conocer su clasificación correcta. Por lo que se busca que el sistema sea capaz de reconocer patrones para poder etiquetar las nuevas entradas.
Aprendizaje semisupervisado:
es una combinación de los dos algoritmos anteriores, teniendo en cuanta ejemplos clasificados y no clasificados.
Aprendizaje por refuerzo:
en este caso el algoritmo aprende observando el mundo que le rodea y con un continuo flujo de información en las dos direcciones (del mundo a la máquina, y de la máquina al mundo) realizando un proceso de ensayo-error, y reforzando aquellas acciones que reciben una respuesta positiva en el mundo.
Transducción:
es similar al aprendizaje supervisado, pero su objetivo no es construir de forma explícita una función, sino únicamente tratar de predecir las categorías en las que caen los siquientes ejemplos basándose en los ejemplos de entrada, sus respectivas categorías y los ejemplos nuevos al sistema. Es decir, estaría más cerca del concepto de aprendizaje supervisado dinámico.
Aprendizaje multi-tarea:
engloba todos aquellos métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara a enfrentarse a problemas parecidos a los ya vistos.

Especialistas con las siguientes herramientas

Embarcadero Technology ® - Delphi ® C, C ++, Objective-C o Swift® Tensorflow, pytorch, caffe, theano ® Python ® Matlab ®

.

Estos elementos permiten que Futlogy sea experto en aprendizaje automático con sólidas habilidades de ingeniería para investigar nuevas soluciones y ayudar a entregar resultados tecnológicos. Contamos con una profunda experiencia en aprendizaje profundo complementado por un amplio conocimiento de aprendizaje automático y visión por la computadora, demostrable en el diseño, creación de prototipos y entrega de soluciones algorítmicas avanzadas.

.