Desmontando mitos de la inteligencia artificial
La inteligencia artificial (IA) se ha instalado en nuestras vidas. Pero es rara la semana que no recibimos noticias sobre vulneraciones de la protección de datos, proyectos de vigilancia masiva, alertas de software malicioso o desvelaciones de usos ilegítimos de esta tecnología por grandes corporaciones y gobiernos. Quizás esto no sea más que el reflejo de la condición humana pero, a diferencia del humano, la IA es potencialmente más peligrosa debido a los siguientes factores: 1) la creencia de que no tiene prejuicios; 2) su impunidad para asumir responsabilidades; 3) su alta escalabilidad; y 4) la gran dependencia que genera. Nos proponemos desmontar los siguientes cinco mitos de la IA: 1) la IA es terriblemente compleja, 2) las máquinas inteligentes aprenden por sí mismas, 3) las decisiones con IA son más justas que las humanas, 4) todo funciona mejor con IA, 5) IA siempre ayuda al bien común. Más información y material aquí
All that glitters is not gold in artificial intelligence; welcome to its dark side
Artificial Intelligence (AI) is achieving great advances in almost any sector thanks to the ability to automate processes and gain efficiency and scalability. But not everything is successful, there are many examples where AI has created inequalities incorporating biases of gender, race or social class due to the use of bad practices or deficient designs. At least this is usually involuntary because, sadly, on other occasions AI is used as a real foul play to favor political or economic interests. In fact, apart from discrimination, AI is also used for manipulation and surveillance. In this talk we review several recent cases, some still active, of the ugly face of AI. Learn more here
Fake news: qué son, cómo funcionan y cómo evitarlas
Las fake news llevan conviviendo con nosotros varios años, y en este tiempo han conseguido manipular e interceder en eventos tan importantes como elecciones generales y referendos. En estos días de Covid-19, estas noticias falsas están más vivas que nunca, y raro es el día que no recibimos algún bulo intencionadamente diseñado para influir en nuestra opinión sobre lo que está pasando. De hecho, la OMS comenzó a utilizar la expresión "infodemia" para referirse a la sobreabundancia y multiplicación de información falsa en relación con el brote epidémico. Por eso he visto necesario crear este vídeo para explicar qué son las fake news, cómo funcionan y cómo evitarlas. Espero que te resulte de interés y ayude a que hagamos una difusión más responsable de la información.
La cara oculta del big data
Mucho se habla de la protección del dato pero, ¿qué pasa con la opacidad del algoritmo? Ese que escoge el momento más vulnerable para venderte un producto, el que decide si una familia merece o no recibir un subsidio o el que interviene en unas elecciones democráticas. En esta charla desvelo la cara oculta del big data como elemento de reflexión sobre el futuro de este campo o, lo que es lo mismo, el futuro de la sociedad. Más información y material aquí
Inteligencia Artificial para la Biodiversidad
¿Qué es, cómo funciona y para qué sirve la inteligencia artificial? Aplicaciones de la IA para la biodiversidad
Miedos y Esperanzas para el Sector Sociosanitario en la Era del Big Data
Big data está revolucionando el paradigma con el que se abordan muchos problemas, y entre ellos está el sector sociosanitario. En esta charla veremos algunas de las soluciones que estamos desarrollando para diagnóstico del Alzheimer, eficiencia energética en hospitales, o reconocimiento de tumores. Pero big data no solo son luces, también tiene sombras. Así, antes de ver sus beneficios, estudiaremos algunos casos donde big data genera discriminación. Porque sí, un algoritmo también "puede ser" machista y racista.
Más información y material aquí
Concept drift detector in data stream mining
Jorge Casillas, Shuo Wang, Xin Yao, Concept Drift Detection in Histogram-Based Straightforward Data Stream Classification, 6th International Workshop on Data Science and Big Data Analytics, IEEE International Conference on Data Mining, November 17-20, 2018 - Singapore. Download here
This presentation shows a novel algorithm to accurately detect changes in non-stationary data streams in a very efficiently way. If you want to know how the yacare caiman, the cheetah and the racer snake are related to this research, do not stop watching the video!
Aprendizaje automático, ciencia de datos y big data
¿Quieres saber cómo consigue Google predecir la gripe, identificar imágenes entre millones de posibilidades o ganar al maestro Lee Sedol en el juego del Go? Según Harvard Business Review, el científico de datos es la profesión 'más sexy del siglo XXI'. Las oportunidades laborales de este sector crecen día a día. Si quieres aprender más, empieza por ver esta charla introductoria a ciencia de datos.
Visualización: análisis exploratorio de datos
Presentar los datos de un modo visual distinto al habitual nos permite comprender tendencias, cambios, lagunas, relaciones, direcciones... Una imagen es una poderosa herramienta para instalar conceptos en el proceso cognitivo, lo cual ayuda a comunicar mensajes y facilitar la toma de decisiones. Ya se sabe que, a veces, ¡una imagen vale más que mil algoritmos! Descubre cómo sacar gráficas espectaculares de tus datos en 15 minutos con herramientas de uso muy sencillo.
Clustering para segmentación de datos
Una de las técnicas más utilizadas en aprendizaje automático es el clustering, que permite agrupar datos según sus afinidades. Tiene múltiples aplicaciones en marketing, seguros, banca... para hacer segmentación de clientes, productos, usos... Descubre en este video las bases del clustering y aprende cómo funcionan los algoritmos k-means, DBSCAN, BIRCH o aglomerativo, entre otros.
Reglas de asociación
Los patrones frecuentes y las reglas de asociación se utilizan en aprendizaje automático para descubrir relaciones entre datos. ¿Por qué quien compra pañales también compra cerveza? Son útiles para definir sistemas de recomendación como hace Amazon o Netflix. Aprende en este video los fundamentos de esta técnica y el algoritmo Apriori.
Tutorial videos for data science in KNIME
Here you have several short videos that explain how to use KNIME for data science
Robótica y electrónica en primaria
Este taller de robótica y electrónica se realizó en el Colegio de Primaria Alquería el 29 de enero de 2019 como actividad de transferencia de conocimiento de la asignatura Control Inteligente del Grado en Ingeniería Electrónica Industrial de la Universidad de Granada. Más datos aquí
Robótica explicado para niños
Muy breve introducción a la robótica explicada para niños de primaria. La charla se dio en el Colegio Alquería (Granada, España) en el marco de un taller sobre robótica para 5º de primaria. Más datos aquí
Lógica Fuzzy
Introducción a la lógica difusa. Contenido: ejemplo de inferencia difusa con el péndulo invertido, definición de conjunto difuso, propiedades de los conjuntos difusos, T-normas y T-conormas, implicación difusa, regla composicional de inferencia (modus ponens generalizado)
Control Fuzzy
Introducción al control difuso. Contenidos: controlador difuso tipo Mamdani vs. TSK, base de datos (partición difusa, variables, imitación PID...), inferencia FATI vs. FITA, operadores de implicación y agregación, inferencia TSK, defuzzificación
Ejercicio de inferencia difusa
Ejercicio en pizarra de inferencia difusa donde se obtiene la función de transferencia (salida) de un controlador en función de una variable de entrada
Análisis de controladores fuzzy
Se explica cómo analizar la calidad de un controlador difuso. Contenido: propiedades estáticas, propiedades dinámicas, interpretabilidad
Aprendizaje automático de controladores difusos. Parte I: Wang y Mendel
Contenidos: esquema general de aprendizaje y referencias de rendimiento, aprendizaje a partir de datos, tipos de diseño y técnicas de aprendizaje, método de Wang y Mendel
Algoritmos genéticos y sistemas difusos genéticos
Introducción a los algoritmos genéticos y su uso para aprender automáticamente controladores difusos. Contenidos: algoritmos genéticos, representación en algoritmos genéticos, evaluación mono y multiobjetivo, mutación en algoritmos genéticos, cruce en algoritmos genéticos, sistemas difusos genéticos, aprendizaje de reglas difusas, aprendizaje de particiones difusas, aprendizaje de sistemas difusos completos
Redes neuronales artificiales y sistemas neuro-difusos
Introducción a las redes neuronales artificiales y su uso para aprender automáticamente controladores difusos. Contenidos: perceptrón, perceptrón multicapa, aprendizaje por retropropagación, sistemas neuro-difusos
Localización y mapeado en robótica autónoma
Explicación de cómo consigue un robot saber dónde está y cómo construye mapas de su entorno. Contenidos: ruido y aliasing, representación del entorno mediante mapa, representación de la creencia sobre dónde está el robot, localización de Markov, filtro de Kalman, localización con filtro de Kalman, otros modos de localización con balizas y triangulación, localización y mapeado simultáneo (SLAM), visual SLAM, FastSLAM
Planificación en Robótica Autónoma
Explicación de los algoritmos Dijkstra y A* para planificar caminos óptimos y de los métodos Markov Decision Processes (MDP) y Partially Observable Markov Decision Processes (POMDP) para planificar tareas.
Algoritmo A* para planificación de rutas
¿Quieres conocer cómo sabe un robot qué camino seguir? Descubre a través de este ejemplo el algoritmo en el que se basa Google Maps para trazar rutas.