La gestión de endpoints puede garantizar la seguridad, la organización y la eficacia de una empresa al proporcionar una visión global de la salud, la ubicación y el estado de los endpoints. Descárgate esta guía con donde encontrarás las principales tendencias en gestión de endpoints, los principales retos y mucho más.

machine learning tippingpoint realidad virtual

Machine Learning genera reticencias en el ámbito empresarial

El término Machine Learning se aplica dentro del campo de la inteligencia artificial para dotar a los ordenadores de capacidad de aprender sin necesidad de programación. El Grupo Zemsania, que basa su modelo de negocio en servicios y soluciones tecnológicas a nivel internacional, continúa con su crecimiento en el mercado desarrollando acciones de Machine Learning.

Roberto Paredes, encargado de llevar a cabo el proyecto, destaca la importancia que el Machine Learning tendrá en los próximos años para la industria: “El Machine Learning es la nueva electricidad”, afirma. Según el Project Manager del Grupo Zemsania, “la adopción de esta tecnología se encuentra con reticencias parecidas a las que en su momento tuvo la energía eléctrica”. Sin embargo, Paredes afirma que «es necesario adoptar ya esta tecnología para no perder el tren” y remarca que “el retorno de la inversión es grande para las empresas”.

Machine Learning se encuentra con reticencias parecidas a las que en su momento tuvo la energía eléctrica

Junto a su partner Solver Machine Learning, Zemsania ha llevado a cabo un nuevo proyecto en el sector automovilístico y ha trabajado en modelos predictivos para una multinacional del sector automovilístico a fin de pronosticar fallos de maquinaria. Los mismos han permitido vaticinar errores y mejorar la toma de decisiones. Para ello, la compañía tecnológica ha implantado sensores en las máquinas de la línea de producción para recabar datos sobre su funcionamiento. Gracias a estos datos y al análisis del histórico de fallos de la maquinaria de producción se ha realizado una clasificación que muestra en cuánto tiempo se va a producir una avería. El modelo predictivo resultante tiene una capacidad de acierto del 91%.

 

Deja un comentario

Scroll al inicio