Comunidad de CIOs Revista Byte TI | Noticias tecnología

Únete a la Comunidad de Directivos de Tecnología, Ciberseguridad e Innovación Byte TI

Encontrarás un espacio diseñado para líderes como tú, donde podrás explorar tecnologías emergentes, compartir estrategias y colaborar en soluciones de vanguardia

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