Home / Articles posted byihal (Page 2)

Author: ihal

Perché le strategie di ML machine learning falliscono

La maggior parte delle aziende sta lottando per sviluppare strategie di intelligenza artificiale funzionanti, secondo un nuovo sondaggio del fornitore di servizi cloud Rackspace Technology. Il sondaggio, che include 1.870 organizzazioni in una varietà di settori, tra cui produzione, finanza, vendita al dettaglio, governo e sanità, mostra che solo il 20% delle aziende ha iniziative mature di intelligenza artificiale / apprendimento automatico. Gli altri stanno ancora cercando di capire come farlo funzionare. Non c'è dubbio sulle promesse dell'apprendimento automatico in quasi tutti i settori. Costi inferiori, maggiore precisione, migliore esperienza del cliente e nuove funzionalità sono alcuni dei vantaggi dell'applicazione di modelli di apprendimento automatico alle applicazioni del mondo reale. Ma l'apprendimento automatico non è una bacchetta magica. E poiché molte organizzazioni e aziende stanno imparando, prima di poter applicare la potenza del machine learning alla tua attività e alle tue operazioni, devi superare diversi ostacoli. Tre sfide chiave che le aziende devono affrontare quando integrano le tecnologie di intelligenza artificiale nelle loro operazioni riguardano le aree delle competenze, dei dati e della strategia e il sondaggio di Rackspace offre un quadro chiaro del motivo per cui la maggior parte delle strategie di apprendimento automatico fallisce. L'apprendimento automatico riguarda i datiI modelli di machine learning vivono su risorse di calcolo e dati. Grazie a una varietà di piattaforme di cloud computing, l'accesso all'hardware necessario per addestrare ed eseguire modelli di intelligenza artificiale è diventato molto più accessibile e conveniente. Ma i dati continuano a rimanere un ostacolo importante nelle diverse fasi della pianificazione e dell'adozione di una strategia di intelligenza artificiale. Il 34% degli intervistati nel sondaggio di Rackspace ha dichiarato che la scarsa qualità dei dati è la ragione principale del ...
Continua a Leggere

Ahia le persone si fidano dei robot più che se stesse quando si tratta di decisioni finanziarie

Il sondaggio rileva che le persone si fidano dei robot più che se stesse quando si tratta di decisioni finanziarie Un nuovo sondaggio recentemente pubblicato da Oracle ha rilevato che le persone ora riferiscono di fidarsi dei robot su se stessi quando si tratta di come gestiscono i propri soldi. Più di due terzi degli intervistati Oracle ha affermato di fidarsi dei robot più che di un essere umano quando si tratta di gestire le proprie finanze. In un momento di immensa incertezza finanziaria per molte persone, le persone hanno modificato il modo in cui pensano all'IA in relazione alle loro finanze. Sia i consumatori che i leader aziendali si rivolgono sempre più all'intelligenza artificiale e alla robotica per aiutarli a gestire le proprie finanze e prendere decisioni finanziarie complesse. Secondo uno studio condotto da Oracle, il 67% di coloro che hanno risposto ha affermato di fidarsi più di un robot che di un essere umano per prendere decisioni finanziarie. I leader aziendali, in particolare, avevano maggiori probabilità di affidare le decisioni finanziarie ai robot rispetto agli umani, con il 77% dei leader aziendali che dichiarava di fidarsi di loro al di sopra dei team finanziari e circa il 73% di loro dichiarava di fidarsi di un robot più di se stessi. Questo è in confronto al 53% dei consumatori che dichiara di fidarsi di un robot più che a se stesso per gestire le proprie finanze e al 63% dei consumatori che afferma di fidarsi di un robot piuttosto che di un consulente finanziario personale. La percezione dei robot e dei dispositivi di intelligenza artificiale come agenti più razionali e precisi potrebbe riflettere la speranza che i dispositivi di intelligenza artificiale possano aiutarci ad affrontare l'aumento dello stress e dell'ansia che circondano il denaro provocati dalla pandemia Covid-19. Secondo Oracle, circa l'87% dei consumatori sperimenta qualche tipo di ansia o paura legata alle finanze, tra cui perdere i propri risparmi, perdere ...
Continua a Leggere

Le prime sei librerie di visualizzazione dei dati nella lingua Go.

Le 6 migliori biblioteche per la visualizzazione dei dati a Golang Processo di assunzione di Data Science presso CapcoGo è un linguaggio di programmazione open source molto popolare tra gli sviluppatori, in gran parte grazie alla sua impressionante linea di funzionalità tra cui la gestione automatica della memoria e la raccolta dei rifiuti. Il linguaggio è più adatto per la creazione di infrastrutture come server in rete e strumenti per sviluppatori. Di seguito, abbiamo elencato le prime sei librerie di visualizzazione dei dati nella lingua Go. (L'elenco è in ordine alfabetico) 1 | DataViz Informazioni su: DataViz è una libreria di visualizzazione della struttura dati per il linguaggio Go. Ispirata dalle idee di strumenti come memviz e GoDS , la libreria DataViz consente agli sviluppatori di lavorare con strutture di dati standard fornendo loro allo stesso tempo gli strumenti per costruire le proprie strutture di dati e le opzioni di visualizzazione. La libreria aiuta a costruire e comprendere le strutture dati standard con visualizzazioni aggiuntive sviluppate da Graphviz. La libreria supporta vari tipi di operazioni di heap standard come pop, clear, size, empty, top, push, incluse altre funzionalità come le funzioni di comparazione inversa. Per installare DataViz, eseguire quanto segue: vai su github.com/Arafatk/Dataviz 2 | Glot Informazioni su: Glot è una popolare libreria di plottaggio per il linguaggio Go costruita su gnuplot. Attualmente, la libreria supporta molti stili come linee, punti, linepoint, impulsi, punti, barre, gradini, istogramma, cerchio, errorbars, boxerrorbars, ecc. Il pacchetto supporta anche tutte le curve 1,2 e 3 dimensionali. L'idea alla base di Glot è di rendere le sue funzionalità simili alla popolare libreria matplotlib che viene eseguita utilizzando il linguaggio Go. Per installare glot, esegui quanto segue: vai su github.com/Arafatk/glot 3 | Go chart Informazioni su: Go char...
Continua a Leggere

Design Thinking In AI il pensiero progettuale

Design Thinking In AI - The Exigency & Obligation Il pensiero progettuale si riferisce allo sviluppo di concetti di design che cercano di comprendere il prodotto dal punto di vista dell'utente. "Il design incentrato sull'uomo è una filosofia, non un insieme preciso di metodi, ma presuppone che l'innovazione debba iniziare avvicinandosi agli utenti e osservando le loro attività". Donald A. Norman, co-fondatore, Nielsen Norman GroupL'intelligenza artificiale ha permeato tutti gli aspetti della nostra vita: stile di vita, assistenza sanitaria, automobili e sistemi di raccomandazione personalizzati, solo per citarne alcuni. E molte aziende tendono a fare in modo che l'eccessiva intelligenza artificiale sembri di moda. Ma prima di lanciare l'intelligenza artificiale su tutto, le organizzazioni dovrebbero considerare le 3W e ​​1H (cosa, perché, dove e come). Trovare le risposte a queste domande li aiuta a distribuire l'IA in modo efficiente nei loro processi. Ed è qui che entra in gioco il pensiero progettuale. Perché il Design Thinking è importante?Il pensiero progettuale si riferisce allo sviluppo di concetti di design che cercano di comprendere il prodotto dal punto di vista dell'utente. È un processo iterativo e coinvolge fasi come empatia, definizione, ideazione, prototipazione e test. Il pensiero progettuale incoraggia gli sviluppatori a mettere in discussione, osservare, fare rete e sperimentare. Invece di esaminare un problema e tracciare immediatamente una rotta per arrivare a una soluzione, il pensiero progettuale prende il percorso più lungo per comprendere prima le aspettative e le capacità dell'utente finale. Questa mentalità è anche un fattore essenziale nello sviluppo di un design AI di successo. "L'intelligenza artificiale ha un ruolo in crescita esponenziale da svolgere nei prossimi tempi come parte delle nostre applicazioni tecnologiche quotidiane. Ma alla fine della giornata, è proprio come qualsiasi altro strumento il cui impa...
Continua a Leggere

Medisafe raccoglie 30 milioni di dollari per l’intelligenza artificiale predittiva che ricorda alle persone di prendere le loro pillole

Medisafe , una startup che sviluppa una piattaforma di gestione dei farmaci personalizzata per aiutare i pazienti a rimanere aggiornati sulle loro prescrizioni, ha annunciato oggi di aver raccolto 30 milioni di dollari. L'azienda afferma che questo nuovo investimento le consentirà di espandere le sue soluzioni accelerando le entrate. Secondo una revisione degli Annals of Internal Medicine , dal 20% al 30% delle prescrizioni di farmaci non vengono mai soddisfatte e circa il 50% dei farmaci per le malattie croniche non viene assunto come prescritto. Si stima che questa mancanza di adesione causi circa 125.000 decessi e costi al sistema sanitario statunitense tra i 100 miliardi di dollari e i 289 miliardi di dollari all'anno. Nel 2012, i cofondatori di Medisafe Omri Shor e Rotem Shor hanno dovuto affrontare un'emergenza sanitaria familiare. A causa di un problema di comunicazione sul suo programma di farmaci, il padre ha preso accidentalmente una dose extra di insulina per il suo diabete. Nel tentativo di affrontare questo tipo di errore e impedire che accada in futuro, i fratelli hanno creato Medisafe, che aiuta a gestire i programmi di prescrizione sfruttando l'intelligenza artificiale e i big data. Medisafe impiega ciò che chiama "compagni di farmaci digitali" per garantire che i consumatori di farmaci seguano le loro prescrizioni. Dopo che un paziente inserisce un farmaco nell'app per smartphone di Medisafe, l'app lo guida attraverso un processo che prevede la raccolta dei moduli di rilascio e il supporto per i programmi di titolazione. Alimentato dal motore AI predittivo di Medisafe - Just-in-time-Interventions (JITI) - il contenuto dell'app cambia quando il paziente si immatricola attraverso la terapia e il recupero, fornendo istruzioni su come somministrare i farmaci, valutando l'idoneità per i programmi di supporto finanziario e ordinando ricariche, oltre a raccogliere informazioni per i fornitori tramite sondaggi. Medisafe può inviare messaggi...
Continua a Leggere

Otter.ai raccoglie 50 milioni di dollari per la trascrizione AI

La startup di trascrizione AI Otter.ai ha annunciato oggi di aver raccolto $ 50 milioni in un round di serie B che include $ 10 milioni in note convertibili ed è stato guidato da Spectrum Equity. Con i fondi, la società prevede di triplicare il proprio organico nel prossimo anno, assumendo i suoi team di intelligenza artificiale, deep learning, elaborazione del linguaggio naturale, ingegneria frontend e backend e leadership. Non c'è carenza di concorrenza nel mercato della trascrizione audio , che si stima valga 31,82 miliardi di dollari entro il 2025. Ma Otter.ai - ex AISense - la startup dietro il servizio di sintesi vocale Otter , è riuscita a ritagliarsi una nicchia per se stessa nei cinque anni dalla sua fondazione. Il fatturato dell'azienda è salito alle stelle dell'800% nel 2020 quando Otter ha visto l'adozione in oltre 230 paesi. E la società afferma di aver trascritto oltre 100 milioni di riunioni, per 3 miliardi di minuti fino ad oggi. Otter.ai è stata fondata dal CEO Sam Liang e dal vicepresidente dell'ingegneria Yun Fu nel 2016. Liang ha guidato il team di localizzazione di Google che ha sviluppato il "punto blu" sull'app Google Maps e ha lanciato la startup mobile Alohar, che è stata acquisita da Alibaba nel 2013. La tecnologia di base di Otter.ai, sviluppata da un team proveniente da Google, Yahoo, Facebook, MIT, Stanford, Duke e Cambridge, è ottimizzata per le conversazioni. Può distinguere tra i parlanti utilizzando una tecnica chiamata diarizzazione, generando una stampa unica per la voce di ogni persona. Le trascrizioni vengono elaborate nel cloud e rese disponibili dal Web, in Dropbox o nell'app mobile di Otter.ai per dispositivi iOS e Android. Lì, possono essere cercati, copiati e incollati, fatti scorrere, modificati e condivisi con una nuvola di parole nella parte superiore di ogni registrazione che tiene traccia dei termini più utilizzati. "L'elevata precisione di Otter è il risultato degli algoritmi che consentono all'app di"...
Continua a Leggere

January AI l’intelligenza artificiale che aiuta le persone a gestire il diabete

L'intelligenza artificiale di gennaio raccoglie 8,8 milioni di dollari per l'intelligenza artificiale che aiuta le persone a gestire il loro diabete January AI , una startup che sviluppa una piattaforma che prevede le risposte dei pazienti diabetici a determinati alimenti, ha annunciato oggi di aver raccolto 8,8 milioni di dollari. Tra gli investitori importanti nel round c'erano il CEO di Salesforce Marc Benioff, il cofondatore di YouTube Steve Chen e l'ex Yahoo! CEO Marissa Mayer. Il fondatore di gennaio Noosheen Hashemi afferma che i fondi verranno utilizzati per riempire le assunzioni dei team di prodotto, ingegneria e operazioni di gennaio, accelerando le iscrizioni al suo programma sanitario. “Crediamo che ogni giorno possa sembrare il primo gennaio - un giorno per ricominciare da capo verso una salute migliore - e che il miglioramento personale sia uno sport di squadra. Inoltre, siamo entusiasti di espandere la nostra presenza nell'impresa, incluso il settore farmaceutico, dove abbiamo già un cliente pagante ", ha affermato in un comunicato stampa. Secondo i Centri statunitensi per il controllo e la prevenzione delle malattie, 122 milioni di americani - metà della popolazione adulta degli Stati Uniti - hanno il diabete o il prediabete, con una crescita a due cifre prevista nel prossimo decennio. Il diabete è tra le malattie croniche più costose, con $ 1 su ogni $ 7 nel sistema sanitario statunitense speso per la cura del diabete. E la pandemia COVID-19 ha evidenziato quanto sia vulnerabile questa popolazione. Si stima che ben il 40% degli americani morti a causa di COVID-19 avesse il diabete. January è stata fondata nel 2017 da Hashemi e Michael Snyder, il direttore della genomica e della medicina personalizzata presso la Stanford University School of Medicine. I due fondatori hanno riunito un team multidisciplinare di scienziati computazionali, alimentari, traslazionali e medici per affrontare ciò che vedevano come bisogni insoddisfatti nelle pe...
Continua a Leggere

I nuovi set di dati OTS (Off-the-Shelf) di Appen

I nuovi set di dati OTS (Off-the-Shelf) di Appen accelerano la distribuzione dell'IA Appen Limited (ASX: APX), fornitore leader di dati di formazione di alta qualità per le organizzazioni che realizzano sistemi di IA efficaci su larga scala, ha annunciato oggi nuovi set di dati OTS (off-the-shelf) . Questi set di dati sono progettati per rendere più facile e veloce per le aziende acquisire i dati di formazione di alta qualità necessari per accelerare la loro intelligenza artificiale (AI) e l'apprendimento automatico(ML) progetti. I nuovi set di dati OTS includono il movimento del corpo umano e suoni innovativi del pianto del bambino, nonché immagini e discorsi con script con testo adatto per il riconoscimento ottico dei caratteri (OCR) per lingue molto richieste ma difficili da acquisire, come l'arabo, il croato e il greco. , Ungherese, thailandese e altro ancora. Con i set di dati ampliati, l'offerta OTS totale di Appen include oltre 250 set di dati, che comprendono oltre 11.000 ore di audio, oltre 25.000 immagini e oltre 8,7 milioni di parole in 80 lingue e più dialetti. I set di dati OTS di Appen sono uno strumento veloce ed economico per avviare un progetto AI o ML con dati di formazione coerenti e di alta qualità. I team che espandono le loro capacità di intelligenza artificiale possono anche sfruttare i set di dati OTS per migliorare efficacemente l'accuratezza, sviluppare nuove capacità di modello e incorporare altri miglioramenti nei loro modelli di intelligenza artificiale. Un set di dati OTS viene spesso consegnato in una settimana, ad esempio, rispetto alle otto-dodici settimane per un nuovo progetto di raccolta e annotazione di set di dati, o anche più a lungo, a seconda della complessità. Tutti i set di dati Appen sono sviluppati utilizzando una metodologia di partecipazione completamente trasparente, in modo che gli specialisti di intelligenza artificiale possano essere certi che i loro dati siano puliti e conformi, eliminando il potenziale ris...
Continua a Leggere

IBM venderà Watson Health?

Watson Health ha lottato per la quota di mercato negli Stati Uniti e all'estero e attualmente non è redditizia. Secondo diverse notizie , IBM sta riflettendo sulla vendita della sua business unit Watson Health sulla scia del piano del CEO di IBM Arvind Krishna di concentrarsi maggiormente sul cloud computing. Il frutto dell'ingegno di IBM, Watson, è un sistema informatico in grado di rispondere a domande poste in linguaggio naturale. Nel 2011, Watson ha catturato l'immaginazione del pubblico quando ha battuto i rivali umani su Jeopardy. Subito dopo la sua apparizione in TV, IBM ha detto che la prima offerta commerciale di Watson sarebbe stata lanciata nei prossimi due anni. Tuttavia, le cose non sono andate come previsto. In questo articolo, proviamo ad analizzare cosa è andato storto e perché l'adozione dell'IA nel settore sanitario è un enorme punto dolente. Causa ultimaWatson Health ha lottato per la quota di mercato negli Stati Uniti e all'estero e attualmente non è redditizia. IBM inizialmente lo ha promosso come motore di crescita, ma più recentemente ha messo da parte la divisione a causa delle crescenti sfide aziendali, dei cambiamenti di leadership e dei licenziamenti. Nel quarto trimestre di IBM, i ricavi delle applicazioni cognitive , che include Watson Health, si sono attestati a $ 1,5 miliardi, con un calo del 2% anno su anno. Nel 2018, IBM ha licenziato i dipendenti della divisione Watson Health. Complessivamente, il fatturato di IBM lo scorso anno è stato di $ 73,6 miliardi, in calo rispetto a $ 100 miliardi nel 2010. Nel frattempo, DeepMind di Google ha lanciato diverse iniziative relative alla salute incentrate sulle condizioni di salute croniche. DeepMind ha anche registrato perdite significative negli ultimi anni, da £ 470 milioni nel 2018 a £ 477 milioni nel 2019. Mentre l'IA sta facendo progressi nel settore sanitario per sviluppare applicazioni specifiche per attività, i risultati di Watson e DeepMind potrebbero rap...
Continua a Leggere

Impact Analytics ha raccolto 11 milioni di dollari

La startup SaaS Impact Analytics ha raccolto 11 milioni di dollari in un round di finanziamento guidato dalla società di equity growth con sede a New York Argentum Capital Partners IV. Managing Partner di Argentum, Walter H Barandiarán entrerà a far parte del Consiglio di amministrazione di Impact Analytics. Impact Analytics offre soluzioni SaaS basate sull'intelligenza artificiale che ottimizzano le funzioni di previsione, pianificazione e merchandising per rivenditori e produttori di beni confezionati. Utilizzando le soluzioni dell'azienda, i rivenditori possono aumentare le vendite e i margini. Le soluzioni popolari di analisi dell'impatto includono i prodotti SmartSuite e Forecasting per la pianificazione dell'assortimento, l'ottimizzazione e la promozione, implementati da rivenditori leader come Calvin Klien, Puma, JoAnn, Belk e Tommy Hilfiger. Parlando del finanziamento, Prashant Agrawal, CEO di Impact, ha dichiarato: “Non vediamo l'ora di lavorare con Walter e Argentum e di sfruttare la loro conoscenza ed esperienza nel settore investendo nella tecnologia al dettaglio. Argentum è nota per la sua esperienza nella collaborazione con aziende bootstrap per accelerare la crescita e con il loro investimento costruiremo il nostro team di vendita, espanderemo il nostro team di sviluppo prodotto e aumenteremo la portata di mercato dei nostri prodotti ". Questo è il terzo investimento di Argentum Capital Partners IV, LP (ACP IV), il nuovo fondo di Argentum. "Marchi e rivenditori sono stati costretti a ripensare dall'oggi al domani il loro approccio alla pianificazione e al merchandising, poiché il volume delle vendite sostanziale è passato rapidamente dal commercio online al commercio online. Marchi e rivenditori devono ora e in futuro prendere decisioni intelligenti e basate sui dati in tempo reale su inventario, prezzi e promozione. Impact è ben posizionata per soddisfare questa esigenza del mercato ”, ha affermato Walter Barandiarán. Impact Analytics...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi