Descargado 14 veces
Subido porCRISEL BY AEFOL
Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos
El documento aborda el dilema del e-learning entre la automatización y el empoderamiento de educadores y estudiantes, destacando la importancia de un equilibrio entre ambas. También se discuden aplicaciones de machine learning en diversas industrias, ejemplos reales de su efectividad y el crecimiento de contenido automatizado en el periodismo. Se menciona el futuro de los chatbots y su potencial en el aprendizaje, así como la importancia de una cultura de datos y adaptabilidad en la educación.
Más contenido relacionado
Similar a Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos
Aprendiendo de ejemplos presentes en la vida real a partir de algoritmos
- 1. @AEFOL #Expoelearning@AEFOL #Expoelearning Aprendiendode ejemplos presentes en la vida real a partir de algoritmos Jesús Martínez Marín Cargo 2 y 3 de marzo 2017
- 2.
- 3.
- 4.
- 5. @AEFOL #Expoelearning El elearningen 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
- 6. @AEFOL #Expoelearning »Antes, yosolía 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.
- 7. @AEFOL #Expoelearning@AEFOL #Expoelearning Lapráctica de Machine Learning en la Empresa Emilio Osorio García Chief Technology Officer Predictive Technologies minoru@predictivecorp.com Dr. Manuel Reyez Gomez Chief Data Scientist Predictive Technologies manuel@predictivecorp.com
- 8. @AEFOL #Expoelearning ¿Qué eslo 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…
- 9. @AEFOL #Expoelearning »Aprendizaje Supervisado. »AprendizajeNo Supervisado. ⋄Regresión. ⋄Clasificación. ⋄Agrupamiento (“Clustering”). ⋄Recomendación. »Aprendizaje profundo (“Deep Learning”). Diferentes tipos de algoritmos
- 10.
- 11. @AEFOL #Expoelearning En lavida real…
- 12.
- 13. @AEFOL #Expoelearning Este algoritmotuvo 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%,
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23.
- 24. @AEFOL #Expoelearning El periodode maduración de las 8 tecnologías más disruptivas según Foro Económico Mundial Davos 2017 Dos a cinco años
- 25.
- 26.
- 27. @AEFOL #Expoelearning@AEFOL #Expoelearning https://www.youtube.com/watch?v=5FFRoYhTJQQ Usuario:Siri, llámame una ambulancia. Siri: De acuerdo, a partir de ahora te llamaré “una ambulancia”.
- 28.
- 29.
- 30. @AEFOL #Expoelearning La nuevaplataforma de IBM: Watson Data, pone el aprendizaje de máquinas al alcance de todos.
- 31. @AEFOL #Expoelearning@AEFOL #Expoelearning https://www.ibm.com/watson/products.html ComercioEducación Servicios financieros Salud Internet de las cosas Marketing Cadena de suministros Talento Trabajo
- 32. @AEFOL #Expoelearning@AEFOL #Expoelearning Lapráctica de Machine Learning en la Empresa Emilio Osorio García Chief Technology Officer Predictive Technologies minoru@predictivecorp.com Dr. Manuel Reyez Gomez Chief Data Scientist Predictive Technologies manuel@predictivecorp.com
- 33.
- 34.
- 35.
- 36.
- 37.
- 38. @AEFOL #Expoelearning IA ensistemas operativos. Siri
- 39.
- 40.
- 41.
- 42.
- 43. @AEFOL #Expoelearning Pioneros delmachine learning, el ingeniero de IBM Arthur Samuel
- 44.
- 45.
- 46.
- 47.
- 48.
- 49. @AEFOL #Expoelearning Heliograf, elsoftware de inteligencia artificial del Post. »En noviembre de 2016, Heliograf creó más de 500 artículos, que supusieron más de 500.000 clics .
- 50.
- 51. @AEFOL #Expoelearning Contenido ala 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.
- 52. @AEFOL #Expoelearning52 Face RecognitionTrainingexamples of a person Test images AT&T Laboratories, Cambridge UK http://www.uk.research.att.com/facedatabase.html
- 53. @AEFOL #Expoelearning »Entro alauditorio, 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
- 54. @AEFOL #Expoelearning Hay retosen todos lados
- 55.
- 56.
- 57.
- 58.
- 59.
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66.
- 67.
- 68.
- 69.
- 70.
- 71.
- 72. @AEFOL #Expoelearning Cultura dedatos »Disciplina
- 73.
- 74.
- 75.
- 76.
- 77. @AEFOL #Expoelearning EL PRÓXIMOPASO: RECOMENDARNOS ALGO ANTES INCLUSO DE QUE SEPAMOS QUE LO NECESITAMOS
- 78.
- 79.
- 80.
- 81.
- 82.
- 83.
- 84.
- 85. @AEFOL #Expoelearning@AEFOL #Expoelearning Sistemasdiseñados para simular la conversación humana de manera autónoma. Chatbots
- 86.
- 87.
- 88.
- 89.
- 90. @AEFOL #Expoelearning Chatbots parael Aprendizaje
- 91. @AEFOL #Expoelearning@AEFOL #Expoelearning ¿Cómopodría 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...
- 92.
- 93.
- 94. @AEFOL #Expoelearning Preguntas yRespuestas Emilio Osorio García Chief Technology Officer Predictive Technologies minoru@predictivecorp.com Dr. Manuel Reyez Gomez Chief Data Scientist Predictive Technologies manuel@predictivecorp.com Lo que nos espera…
- 95.
- 96.
- 97. @AEFOL #Expoelearning Los ingenieros preguntana una turbina de avión qué está funcionando mal y cómo pueden arreglarla.
- 98.
- 99.
- 100.
- 101.
- 102.
- 103. @AEFOL #Expoelearning La colaboraciónpor defecto
- 104.
- 105.
- 106.
- 107. @AEFOL #Expoelearning@AEFOL #Expoelearning Gracias! JesúsMartínez jmm@gencat.cat @jesusmartinez trabajocolaborativoenred.wordpress.com