Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos

@AEFOL #Expoelearning@AEFOL #Expoelearning
Aprendiendo de ejemplos
presentes en la vida real a
partir de algoritmos
Jesús Martínez Marín
Cargo
2 y 3 de marzo
2017

Nuevo aprendizaje

@AEFOL #Expoelearning
El elearning en la encrucijada:
automatización o empoderamiento (Tony Bates)
»La pregunta clave que afrontamos es
si el aprendizaje en línea debe
proponerse como objetivo sustituir a
los profesores e instructores por medio
de la automatización, o si la tecnología
se debe utilizar para empoderar no solo
a los maestros sino también los
estudiantes. Por supuesto, la respuesta
siempre será una mezcla de ambas
cosas, pero conseguir el equilibrio
adecuado es una cuestión crítica

»Antes, yo solía pensar en los informáticos como colegas y amigos
en lo que respecta a diseñar e impartir aprendizaje en línea. Ahora los
estoy viendo cada vez más, al menos a algunos de ellos, como el
enemigo. Esto tiene que ver sobre todo con la arrogancia de Silicon
Valley, que cree que los informáticos pueden resolver cualquier
problema sin saber nada acerca del problema en sí.

La práctica de Machine Learning
en la Empresa
Emilio Osorio García
Chief Technology Officer
Predictive Technologies
minoru@predictivecorp.com
Dr. Manuel Reyez Gomez
Chief Data Scientist
manuel@predictivecorp.com

¿Qué es lo que se puede
automatizar?
Todo lo que sigue este patrón.
⋄Reunir datos.
⋄Analizar los datos.
⋄Interpretar los resultados.
⋄Determinar un curso de acción recomendado.
⋄Implementar el curso de acción.
⋄Médicos
⋄Asesores financieros
⋄Consultores de negocios
⋄Etc.,etc…

»Aprendizaje Supervisado.
»Aprendizaje No Supervisado.
⋄Regresión.
⋄Clasificación.
⋄Agrupamiento (“Clustering”).
⋄Recomendación.
»Aprendizaje profundo (“Deep Learning”).
Diferentes tipos de algoritmos

En la vida
real…

Este algoritmo tuvo un porcentaje de acierto del 75% a la hora de identificar los
acusados que mentían en una serie de juicios, un guarismo nada despreciable si
tenemos en cuenta que los seres humanos detectaron tan solo al 59,5%,
llegando los mejores interrogadores a un 65%,

Población Penitenciara
Mundial

High Risk
Low Risk

El periodo de maduración de las
8 tecnologías más disruptivas
según Foro Económico
Mundial Davos 2017
Dos a cinco años

@AEFOL #Expoelearning@AEFOL #Expoelearning26
https://www.youtube.com/watch?v=XcEqVIpb3IQ

https://www.youtube.com/watch?v=5FFRoYhTJQQ
Usuario: Siri, llámame una ambulancia.
Siri: De acuerdo, a partir de ahora te llamaré “una
ambulancia”.

La nueva plataforma de IBM: Watson Data, pone el
aprendizaje de máquinas al alcance de todos.

https://www.ibm.com/watson/products.html
Comercio Educación
Servicios
financieros
Salud
Internet de
las cosas Marketing
Cadena de
suministros
Talento Trabajo

IA en sistemas operativos.
Siri

Pioneros del machine learning, el
ingeniero de IBM Arthur Samuel

Heliograf, el software de
inteligencia
artificial del Post.
»En noviembre de 2016, Heliograf creó más de
500 artículos, que supusieron más de 500.000
clics
.

Contenido a la
medida
El contenido poco a poco será
realizado a la medida de cada
compañía / individuo.
El contenido escrito
por algoritmos
alcanzará el 90% del
trabajo periodístico
para el 2030.
La forma en cómo las noticias
inciden en cada empresa /
persona son totalmente
diferentes.

@AEFOL #Expoelearning52
Face RecognitionTraining examples of a person
Test images
AT&T Laboratories, Cambridge UK
http://www.uk.research.att.com/facedatabase.html

»Entro al auditorio, tengo limitaciones visuales
»Mi celular (o un dispositivo hecho con un Raspberry Pi
o similar) me informa en audio sintetizado: “Un amigo
tuyo está acá”
»“También hay 10 personas que son sus amigos”
Aplicación: un sistema de apoyo
visual

Hay retos en todos lados

IMPLICACIONES

Cultura de datos

Cultura de datos
»Disciplina

Inteligencia Institucional.

Transformación
de los LMSs

EL PRÓXIMO PASO: RECOMENDARNOS ALGO
ANTES INCLUSO DE QUE SEPAMOS QUE LO
NECESITAMOS

Aprendizajes
adaptativos y
personalizados

Los Bots

Sistemas diseñados
para simular la
conversación humana
de manera autónoma.
Chatbots

Chatbots para el Aprendizaje

¿Cómo podría cualquiera de estos
chatbots ser útil en e-learning?
»Mobile Coach: coaching y
seguimiento
»Inscripción.
»Simulaciones .
»Respuestas a las preguntas del alumno.
»Preparación para el examen
»Evaluación .
»Etc...

DUOLINGO

Preguntas y Respuestas
Emilio Osorio García
Chief Technology Officer
minoru@predictivecorp.com
Dr. Manuel Reyez Gomez
Chief Data Scientist
manuel@predictivecorp.com
Lo que nos
espera…

Hacia los
gemelos
digitales

Los ingenieros
preguntan a una
turbina de avión qué
está funcionando mal y
cómo pueden
arreglarla.

La colaboración por defecto

Neil Harbisson

Gracias!
Jesús Martínez
jmm@gencat.cat
@jesusmartinez
trabajocolaborativoenred.wordpress.com

Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (7)

Destacado

Destacado (20)

Similar a Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos

Similar a Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos (20)

Más de CRISEL BY AEFOL

Más de CRISEL BY AEFOL (20)

Último

Último (20)

Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos