Recursos >

    sortFiltrar Ordenar
    2300 resultados

    Página Web

    /

    Publicado el 2.10.2019 por Equipo GNOSS

    Las bases de grafos de conocimiento superan los desafíos de los grandes conjuntos de datos

    En este artículo publicado en Datanami, Yu Xu, fundador y CEO de TigerGraph, realiza una mirada al paisaje que se configura con las bases de datos de grafos.

    A lo largo del texto, Xu trata de esclarecer las diferencias entre variada oferta de bases de grafos disponibles y las ventajas que presentan. Como apoyo a ello incluye datos de un informe desarrollado por Forrester Research que refleja que el 51% de los tomadores de decisiones de tecnología de datos y análisis globales están implementando, ya implementaron o están actualizando sus bases de datos de gráficos" (Forrester Research, Forrester Vendor Landscape: Graph Databases , Yuhanna, 6 de octubre. 2017)

    Por otro lado,  DB-Engines.com, consultora especializada en bases de datos, indica que “las bases de datos de grafos son la categoría de más rápido crecimiento en toda la gestión de datos.

    Acceder al artículo completo a través de este enlace: https://www.datanami.com/2017/11/30/look-graph-database-landscape/

     

    ...

    Categorías:

    Página Web

    /

    Publicado el 2.10.2019 por Equipo GNOSS

    El potencial de los Grafos de Conocimiento en los mercados financieros para descubrir conexiones entre conjuntos de datos

    En el complejo mundo digital actual, la capacidad de organizar y establecer enlaces entre diversos tipos de datos tiene el potencial de resolver desafíos comerciales reales en toda la industria financiera.

    El crecimiento en volumen y variedad de datos está impulsando a las empresas de todas las industrias a buscar formas automatizadas de generar información y decisiones a partir de estos datos.

    Una forma de lograr esto es mediante la aplicación del procesamiento del lenguaje natural (PNL) y la tecnología Knowledge Graph a conjuntos de datos, para etiquetar y presentar información (particularmente difícil de manejar conjuntos de datos textuales) para descubrir conexiones y conocimientos previamente ocultos.

    Este es el escenario que nos presentan Geoff Horrell, Director de Innovación Aplicada de London Lab, y Edin Zajmovic, Director de soluciones BOLD (Big, Open, Linked, Data) en este artículo publicado en Refinitiv, que recoge las ventajas que la tecnología de procesamiento y comprensión del lenguaje natural (NLP/NLU) y los grafos de Conocicmiento, aportan a los mercados financieros.

    Lee la totalidad del artículo en el siguiente enlace: 

    https://www.refinitiv.com/perspectives/ai-digitalization/helping-data-scientists-to-map-a-knowledge-graph-future/

     

    ...

    Página Web

    /

    Publicado el 26.9.2019 por Equipo GNOSS

    Evento Anual Genexus #GX29 (2019) - recopilación de sesiones en vídeo

    Recopilación de las sesiones del evento anual de Genexus de 2019, #GX29, celebrado del 23 al 25 de septiembre en Montevideo, donde se dan a conocer las principales tendencias en desarrollo de software.

    También pueden verse en la página propia de Genexus, donde están las sesiones en versión inglés; la ventaja  de esta  otra web donde están recopiladas las sesiones es que se trata de la versión original sin traducción (una ventaja en caso de que hables el idioma, claro; desde luego, si entiendes español, es mucho mejor escuchar directamente a Nicolás Jodal, que la versión con la traducción simultánea). 

    ...

    Categorías:

    Página Web

    /

    Publicado el 26.8.2019 por Equipo GNOSS

    ¿Cuál es la diferencia entre Grafo de Conocimiento y Base de Datos de Grafos? - Kingsley Idehen

    Kingsley Idehen, Fundador y CEO de Openlink, los creadores de Virtuoso, explica en Quora cuáles son las diferencias entre Grafos de Conocimiento (Knowledge Graph) y bases de datos de grafos (Graph Database).

    Para Idehen, un Grafo de Conocimiento es un tipo genérico de datos estructurados, operados por un Sistema de Gestión de Bases de Datos de Grafos usando algún tipo de lenguaje declarativo de interrogación (estándares como SQL, SPARQL u otros lenguajes propietarios).

    ...

    Página Web

    /

    Publicado el 22.8.2019 por Equipo GNOSS

    Los grafos de conocimiento de nuevo en 2019 el 'Hype Cycle for Emerging Technologies de Gartner

    Los Grafos de Conocimiento siguen en 2019 en la zona de subida del Hype Cycle for Emerging Technologies 2019 de Gartner. Los encontramos por primera vez en los 'hype cycle' de Gartner el año pasado tanto en el de Emerging Technologies como en el de Inteligencia Artificial 2018.

    Este año agrupa las tecnologías emergentes en 5 tendencias:

    • Sensorización y movilidad.
    • Humanos aumentados.
    • Computación y comunicación "postclásicas".
    • Ecosistemas digitales.
    • Inteligencia Artificial avanzada y analítica.

    Gartner publicó su informe el 2 de agosto de 2019 en: https://www.gartner.com/en/documents/3956015 (puedes ver el resumen y la tabla de contenidos más abajo) y el 29 de agosto un resumen de su informe en el que comenta las novedades respecto a estas cinco tendencia. Puedes leer el artículo en el siguiente enlace: https://www.gartner.com/smarterwithgartner/5-trends-appear-on-the-gartner-hype-cycle-for-emerging-technologies-2019/

    Published: 06 August 2019

    ID: G00370466

    Analyst(s): David Smith , Brian Burke

    Summary:

    The 2019 Hype Cycle highlights the emerging technologies with significant impact on business, society and people over the next five to 10 years. This year includes technologies that promise to deliver a global low-latency internet, create a virtual map of the real world and mimic human creativity.

    Table of contents:

    Analysis

    • What You Need to Know
    • The Hype Cycle
    • The Priority Matrix
    • Off the Hype Cycle
    • On the Rise
      • Biotech — Cultured or Artificial Tissue
      • Immersive Workspaces
      • AR Cloud
      • Decentralized Web
      • Generative Adversarial Networks
      • Adaptive ML
      • DigitalOps
      • Decentralized Autonomous Organization
      • Nanoscale 3D Printing
      • Augmented Intelligence
      • Flying Autonomous Vehicles
      • Transfer Learning
      • Emotion AI
      • Light Cargo Delivery Drones
      • Synthetic Data
      • Knowledge Graphs
      • Personification
      • Explainable AI
    • At the Peak
      • Edge AI
      • Low Earth Orbit Satellite Systems
      • Autonomous Driving Level 5
      • Edge Analytics
      • AI PaaS
      • Biochips
      • 5G
      • Graph Analytics
    • Sliding Into the Trough
      • Next-Generation Memory
      • 3D Sensing Cameras
      • Autonomous Driving Level 4
    • Appendixes
      • Hype Cycle Phases, Benefit Ratings and Maturity Levels

    ...

    Pdf

    /

    Publicado el 25.6.2019 por Equipo GNOSS

    ProFuturo y la UNESCO presentan los seis retos de  la IA en la educación

    La Fundación Telefónica ha presentado en un evento oficial su informe 'Inteligencia Artificial en Educación: retos y oportunidades para el desarrollo', un documento estructurado en tres partes que aborda los seis retos principales que presenta la Inteligencia Artificial como motor para el desarrollo de la educación, enfocado a entornos vulnerables. 

    Tal y como nos presenta Profuturo en la introducción del documento, la primera parte trata sobre cómo la IA puede ayudar a mejorar la educación y la enseñanza a través de casos prácticos, ofreciendo ejemplos sobre el modo en que la tecnología de IA puede ayudar a los sistemas educativos a utilizar datos para mejorar la calidad y equidad educativas en los países en vía de desarrollo.

    La segunda sobre la preparación de los estudiantes para prosperar en un futuro saturado de IA así como el cambio necesario en el sistema educativo para afrontar un mundo con la IA, explorando experiencias de gobiernos e instituciones educativas.

    La tercera cierra con un resumen de los 6 principales retos e implicaciones en política pública para la introducción de la IA en educación y de cómo preparar a los estudiantes para un contexto impulsado por la IA. Estos retos se basan en: desarrollar una política pública exhaustiva sobre la IA para el desarrollo; garantizar un uso inclusivo y equitativo de la IA en la educación; preparar a los profesores para una educación impulsada por la IA; desarrollar sistemas de datos inclusivos y de calidad; conseguir que la investigación sobre la IA en educación sea significativa y el último sobre la ética y la transparencia en la recopilación, uso y divulgación de los datos.

    Finalmente, el documento acaba con una invitación para abrir nuevos debates en torno a los usos, posibilidades y riesgos de la IA en la educación para el desarrollo.

    ...

    Página Web

    /

    Publicado el 7.5.2019 por Equipo GNOSS

    Wikidata y DBpedia: viaje al centro de la web de datos

    "A partir de Wikipedia, como fuente de conocimiento organizado en forma de artículos enciclopédicos, editada mediante la colaboración masiva online, se han desarrollado dos proyectos de carácter semántico: DBpedia y Wikidata. Se analizan las diferencias y similitudes entre ambos modelos de datos y modelo de producción, y se especula sobre la posible evolución y coexistencia de ambos a partir de sus puntos fuertes. Su fortaleza como grafo abierto de conocimiento multidominio aporta un gran valor a la extensión de la web de datos, al actuar como punto de interconexión entre diferentes dominios".
    Saorín, Tomás; Pastor-Sánchez, Juan-Antonio (2018). “Wikidata y DBpedia: viaje al centro de la web de datos". Anuario ThinkEPI , v. 12, pp. 207-214. https://doi.org/10.3145/thinkepi.2018.31

    ...

    Página Web

    /

    Publicado el 28.3.2019 por Equipo GNOSS

    "El capitalismo de vigilancia destruye la naturaleza humana", entrevista a Shoshana Zuboff en XL Semanal

    Entrevista muy recomendable a la economista norteamericana Shoshana Zuboff, publicada en la revista XL Semanal el 17 de marzo de 2019.

    "La economista norteamericana Shoshana Zuboff, profesora emérita de Harvard, es una de las más prestigiosas analistas digitales del mundo. Su nuevo libro explica que la economía derivada de las nuevas tecnologías –lo que ella ha llamado ‘el capitalismo de vigilancia’– se basa en el expolio de las personas y que, si no le ponemos freno, acabará por destruir la naturaleza íntima del ser humano"

    ...

    Vídeo

    /

    Publicado el 21.3.2019 por Equipo GNOSS

    Transformación digital e Inteligencia Artificial, por Carme Artigas (RETINA LTD)

    Carme Artigas,  Fundadora y CEO de Synergic Partners (Telefónica), explica su visión acerca de la transformación digital y el papel que juega en ella la inteligencia artificial.  Para Carme, el valor de negocio de los datos (big data)  llega en tres ámbitos: genera nuevas fuentes de ingresos a raíz de la personalización, reduce el fraude y riesgo y es más eficiente en términos operativos, ayuda a tomar mejores decisiones.

    La entrevista se desarrolló en RETINA LTD, el evento de EL PAÍS Retina que reunió a los líderes de la transformación digital en el Museo Reina Sofía de Madrid el 28 de noviembre de 2017.

    ...

    Página Web

    /

    Publicado el 21.2.2019 por Equipo GNOSS

    Gartner sitúa Graph Analytics entre las cinco primeras tendencias tecnológicas en 2019

    La consultora Gartner ha aprovechado la celebración de la cumbre Gartner Data & Analytics, celebrada en Sydney en febrero, para identificar las principales tendencias tecnológicas de datos y análisis que contarán con un gran potencial entre los próximos tres a cinco años, marcando las futuras líneas de investigación y desarrollo en este ámbito.  

    Dentro de este ránking de tendencias encontramos en la cuarta posición la Inteligencia Artificial Explicable, implementada cada vez más para aumentar y remplazar la toma de decisiones humanas. La Inteligencia Artificial Explicable en la ciencia de datos y las plataformas de aprendizaje automático (ML), por ejemplo, sería capaz de generar automáticamente una explicación de los modelos en términos de precisión, atributos y estadísticas en lenguaje natural.

    En la quinta posición se sitúa Graph Analytics, conjunto de técnicas analíticas que permite la exploración de relaciones entre entidades de interés, tales como organizaciones, personas y transacciones.

    La aplicación del procesamiento de gráficos y los DBMS de gráficos crecerá al 100% anual hasta 2022 para acelerar continuamente la preparación de datos y permitir una ciencia de datos más compleja y adaptable. 

    En su intervención, Rita Sallam, vicepresidente de investigación de Gartner, ha dejado patente el potencial impacto que los líderes de datos y análisis pueden tener en el negocio de estas tendencias, adaptando en consecuencia a ello modelos de negocio y operaciones.

    Asimismo, Gartner recomienda que los líderes de datos y análisis hablen con los líderes empresariales sobre sus prioridades comerciales y exploren cómo estas tendencias pueden posibilitar nuevas posibilidades de negocio.

     

    ‘TOP 10’ de Tendencias Tecnológicas:

    N ° 1: Análisis Aumentado

    Nº 2: Gestión de datos aumentados

    Nº 3: Inteligencia continua

    Nº 4: Inteligencia Artificial Explicable

    Nº 5: Graph Analytics                                                   

    Nº 6: Red de datos

    Nº 7: Procesamiento de Lenguaje Natural (NLP) / Análisis Conversacional

    Nº 8: Aprendizaje automático (ML) e Inteligencia Artificial  con soluciones comerciales

    Nº 9: Blockchain

    Nº 10: Servidores de memoria persistentes

     

    Las próximas cumbres Gartner Data & Analytics 2019 se llevarán a cabo del 4 al 6 de marzo en Londres , del 18 al 21 de marzo en Orlando , del 29 al 30 de mayo en Sao Paulo , del 10 al 11 de junio en Mumbai , del 11 al 12 de septiembre en la Ciudad de México y del 19 al 19 de octubre. 20 en Frankfurt. 

    ...