Closed IoTeacher closed 7 years ago
Platicas que hemos visto fue
http://www.ted.com/talks/chris_urmson_how_a_driverless_car_sees_the_road
http://www.ted.com/talks/fei_fei_li_how_we_re_teaching_computers_to_understand_pictures
Markdown
INVESTIGADOR | AWSEducate | OBSERVACIONES |
---|---|---|
ALVARADO ALBARES EDGAR ELIUD | :+1: | |
ALVAREZ ORTEGA ESTEPHANIA | :+1: | |
AQUINO VAZQUEZ SERGIO ALAN | :+1: | |
BUGARIN BARRON JORDY ALFREDO | :+1: | |
CARREON VILLATORO JORGE FABIAN | :sleeping: | |
CERVANTES MORALES CRISTOPHER ALEXANDER | 👍 | |
DIAZ CEJA JESUS DAVID | :+1: | :100: |
ESMERIO COSILION PRISCILLA | :+1: | |
ESPINOZA COVARRUBIAS SILVERIO ALEJANDRO | :+1: | |
FLORES VIZUET DANIEL ALFONSO | :+1: | :sunglasses: |
GARCIA PERAZA ALEXIS DALY | :+1: | |
GARDUÑO MUÑOZ JUAN CARLOS | :+1: | |
GASTELUM ALEMAN CRISTOBAL | :+1: | |
GASTELUM NIEVES CARLOS | :+1: | |
GONZALEZ BUSTOS LUIS ANDRES | :sleeping: | |
GUZMAN GARCIA VICTOR RAFAEL | :+1: | |
HERNANDEZ LOPEZ AARON DANIEL | :+1: | 😎 |
HERRERA GARCIA DIANA GABRIELA | :+1: | |
HERRERA GONZALEZ JESSICA | :+1: | |
IBARRA PADIERNA ABNER JHAIR | :+1: | 😎 |
IRIBE GONZALEZ GABRIELA | :+1: | :sunglasses: |
MANZO RODELO EDDY GAEL | :sleeping: | |
MENDOZA MUÑOZ ADRIAN | :+1: | |
MICHEL GONZALEZ ANDRES | 👍 | |
MUNIVE SALDAÑA EVANS JOSUE | :+1: | |
NODAL CADENA JOSE ANTONIO | :+1: | |
NUÑEZ HARPER IVAN RAEL | :+1: | :sleeping: |
OCHOA MIGUEL ANGEL | :sleeping: | |
OROPEZA CRUZ SCARLETT ITZEL | 👍 | |
ORTIZ RAMIREZ EDUARDO ALEJANDRO | :+1: | |
PATIÑO PEINADO CRISTIAN ANTONIO | :+1: | :1st_place_medal: |
RAMIREZ VALENZUELA JESUS ANDRES | :+1: | 😎 |
RAMOS HERNANDEZ JUAN CARLOS | :+1: | :sleeping: |
ROSALES PINEDA ANGEL | :sleeping: | |
SALCEDO MORALES JOSE MANUEL | :+1: | |
SANCHEZ CASAS CESAR GABRIEL | :+1: | |
SANDOVAL ZAVALA FERNANDO ALEXIS | 👍 | 😎 |
URIAS JACOBO EDWIN ISAAC | :sleeping: | |
VEGA VEGA CRISTIAN ALEXIS | :+1: | |
VILLANUEVA HERNANDEZ FRANCISCO JONATHAN | :sleeping: | |
ZARAGOZA HERNANDEZ JESUS ERNESTO | 👍 | 😎 |
ZAZUETA SAPIEN OSCAR ERNESTO | :sleeping: | |
:+1: = Activado. | :confused: = En Proceso |
https://aws.amazon.com/documentation/ec2/
AWS ofrece una familia de servicios de IA que proporcionan tecnologías de aprendizaje automático y profundo para satisfacer sus distintos casos de uso y necesidades. Los servicios de Amazon AI ponen tecnologías de comprensión del lenguaje natural (NLU), reconocimiento automático del habla (ASR), búsqueda visual y reconocimiento de imágenes, texto a habla (TTS) y aprendizaje automático (ML) al alcance de todos los desarrolladores. Amazon Lex facilita la creación de chatbots de texto y voz sofisticados, con tecnología de Alexa. Amazon Rekognition proporciona reconocimiento de imágenes basado en el aprendizaje profundo. Amazon Polly convierte el texto en habla realista, y Amazon Machine Learning le permite crear aplicaciones de ML inteligentes con rapidez. Los servicios de Amazon AI facilitan el desarrollo de aplicaciones interplataforma que se implementan con seguridad en la fase de producción. Los servicios de Amazon AI están totalmente administrados y, por lo tanto, se escalan con facilidad con baja latencia y se encuentran disponibles a bajo costo. Los servicios de Amazon AI le permiten concentrarse en definir y crear una nueva generación de aplicaciones capaces de ver, oír, hablar, entender e interactuar con el mundo que le rodea.
Clasificación y segmentación de imágenes y vídeos Las redes neurales convolucionales superan a los humanos en numerosas tareas de visión, incluida la clasificación de objetos. Si se le proporcionan millones de imágenes etiquetadas, el sistema de algoritmos es capaz de comenzar a identificar al sujeto de la imagen. Muchos servicios de almacenamiento de imágenes incluyen el reconocimiento facial, con tecnología de aprendizaje profundo. Este es fundamental para Amazon Rekognition, Amazon Prime Photos y Amazon’s Firefly Service.
Reconocimiento de voz Amazon Alexa y otros asistentes virtuales están diseñados para reconocer una solicitud y devolver una respuesta. Mientras que los adultos pueden comprender una voz desde una edad temprana, los ordenadores solo han podido escuchar y responder a los humanos recientemente. Los distintos acentos y patrones de habla de los humanos hacen de esta una tarea automática difícil de completar mediante la ciencia informática o matemáticas más tradicionales. Con el aprendizaje profundo, el sistema de algoritmos puede determinar con mayor facilidad lo que se ha dicho y con qué intención.
https://aws.amazon.com/es/amazon-ai/what-is-ai/
Comprensión del lenguaje natural El procesamiento del lenguaje natural intenta enseñar al sistema a comprender el lenguaje humano, el tono y el contexto. De este modo, el algoritmo puede comenzar a comprender conceptos más difíciles, como la emoción o el sarcasmo. Este campo está creciendo, puesto que las compañías quieren automatizar el servicio al cliente con bots de texto o de voz, como los que usa Amazon Lex.
Motores de recomendaciones Las compras online a menudo conllevan recomendaciones de contenido personalizadas relacionadas con los artículos que podría querer comprar, las películas que podría querer ver o las noticias que quizás le interese leer. Anteriormente, estos sistemas dependían de humanos que creaban asociaciones entre los artículos. Sin embargo, con el auge de los big data y el aprendizaje profundo, los humanos ya no son necesarios, ya que ahora los algoritmos identifican los artículos que le pueden interesar a partir de sus compras o visitas a productos anteriores y comparando esa información con la de los demás.
http://www.kdnuggets.com/2016/12/data-science-machine-learning-cheat-sheets-updated.html
http://www.kdnuggets.com/2016/08/10-algorithms-machine-learning-engineers.html
http://www.kdnuggets.com/2017/01/most-popular-language-machine-learning-data-science.html
http://www.kdnuggets.com/2017/01/five-machine-learning-projects-cant-overlook-january.html
http://www.kdnuggets.com/2016/03/datacamp-r-learning-path-7-steps.html
http://www.kdnuggets.com/2017/02/data-science-nyc-taxi-trips.html
https://capacitateparaelempleo.org/pages.php?r=.tema&tagID=2289
Enviar el PDF a http://isc7.slack.com junto con conclusión del curso terminado.
Elaboración del DEMO de Machine Learning con Amazon Web Services mara MERCADOTECNIA que esta en la ruta http://docs.aws.amazon.com/machine-learning/latest/dg/tutorial.html
Bloque 1 Evaluación y complementación del protocolo de investigación.
CURSOS EDX DE DEEP LEARNING (LIBRES DE AUDITAR)
https://www.edx.org/course?search_query=machine+learning
Feed de Twitter de #DEEPLEARNING https://twitter.com/search?q=%23deeplearning&src=tyah