Machine Learning Yearning«.
]]>
diciembre 12, 2016
Andrew Ng esta escribiendo un nuevo libro: Machine Learning Yearning
diciembre 10, 2016
SCIO: como instalar la consola en Mac OSX
brew tap spotify/public brew install scio scio-repl La primera linea instala el tap de spotify con las herramientas para mac/homebrew la gente de spotify y con la segunda se instala la versión compilada de scio REPL. Podéis encontrar algunos ejemplos de uso de Scio/REPL en la página de GitHub del proyecto Scio. ]]>
noviembre 7, 2016
Ya está anunciado el siguiente meetup de machine learning spain
Machine Learning Spain XV Auditorio Google Campus Madrid Calle de Manzanares, 1, Madrid (edit map) ¡Hola! Ya tenemos fecha para el siguiente meetup, será el día 14 de noviembre (lunes) a las 18:30h en Campus Madrid. Esa semana habrá bastantes eventos relacionados con los datos en Madrid y Barcelona, esperamos que sean muy útiles. La agenda será variada y completa. 18:30 – Acceso al auditorio. Calle de Manzanares, 1. 18:35 – «Programación Paralela en Big Data: Una aplicación sobre Series Temporales». Con la generación de más cantidad de datos cada día se hace necesaria la programación de los algoritmos de una forma paralelizable para reducir el tiempo de proceso de los mismos. Así, la presentación incluirá la base de cómo paralelizar sobre distintas plataformas y librerías como Spark y Dask. Ponente: Juan Luis Rivero. Profesional de la consultoría, desarrollo e integración de soluciones con más de 25 años de experiencia en multinacionales. Ha dedicado parte de su carrera al diseño e implantación de algoritmos y analítica de datos en el sector de Telecom. 19:15 – «Aprendizaje de comportamientos». Uno de los principales problemas de las aplicaciones modernas es conocer de forma precisa cómo usan los usuarios nuestra aplicación. Es decir, saber a que horas se utilizan unas funcionalidades o incluso conocer cómo un usuario ha sido capaz de llegar a una de nuestras nuevas funcionalidades. En esta charla describiremos una posible manera de obtener las políticas de comportamiento de nuestros usuarios y conocer cómo se mueven por nuestra aplicación. Describiremos cómo podemos obtener esta información (Colas de mensajes), almacenarla y utilizarla con el fin de intentar aprender o definir comportamientos comunes entre nuestros usuarios. Esta información puede servir para mejorar nuestra aplicación, su funcionalidad o para construir sistemas automáticos que realicen ciertas tareas por ellos. Ponente: Moisés Martínez. PhD en Inteligencia Artificial por la Universidad Carlos III de Madrid (especializado en Planificación automática, Aprendizaje automático y Sistemas de control). Investigador, mentor, orgulloso organizador de T3chFest y amante de la tecnología. Actualmente trabaja como Lead Data Scientist en beBee – affinity networking. 20:00 – «Convirtiendo Machine Learning en Negocio (Desde el BigData hasta la generación de servicios en el Real Estate)». El sector inmobiliario está a punto de sufrir un cambio disruptivo derivado del nuevo contexto económico, social y tecnológico que otros sectores ya han sufrido. En esta sesión se realizará un recorrido por la aplicación del Machine Learning a este sector y su aporte en los diferentes fragmentos de la cadena de valor del mismo. Ponente: Carlos Olmos de Frutos.Es fundador y director de uDA. Ha desarrollado su carrera en el sector del Real Estate donde ha planificado y liderado proyectos de desarrollo e inversión de hasta 14M €. Desde el 2011 lidera diversos proyectos que integran las Smart Cities y el BigData en soluciones de inversión inmobiliaria, integrando equipos multidisciplanares para la creación de productos y servicios con modelos de negocio asociados viables desde las primeras fases. Es arquitecto urbanista por la UPM y por la universidad Paris Val-de-Marne. 20:45 – ¡Cervezas y networking! Tomaremos unas cervezas y podremos seguir charlando sobre los temas de interés que salgan en esta jornada. Nos vemos pronto, el 14 de noviembre en Campus Madrid.]]>
febrero 1, 2016
noviembre 9, 2015
Yann LeCun: primeros vídeos de convolutionals neural networks en 1993!
y si te quedas con ganas de más, esta es una buena introducción la redes neuronales convolucionales.]]>
septiembre 22, 2015
En ASPGems hemos preparado un curso de Apache Spark con NeuroK
NeuroK y la Neurodidactica NeuroK: una nueva manera de aprender. Aquí está la información del curso Descubre Apache Spark]]>
agosto 13, 2015
Nueva sección con Videos, Entrevistas y presentaciones
vídeos, entrevistas y presentaciones. La idea es recopilarlas y de paso poder revisarlas de vez en cuando por que hay que ver como pasa el tiempo!!! No están todos los vídeos pero si tienes por ahí localizado alguno y no están en la lista, sería genial si me mandas un enlace a juantomas (.) garcia (@) gmail (.) com]]>
agosto 11, 2015
Me ha entrevistado Soraya Paniagua
Mi último post es una entrevista a @juantomas : Spark es una de las tecnologías más bellas de los últimos 30 años Ⓢ http://t.co/ihxQpjRgSc
— Soraya Paniagua (@sorayapa) August 11, 2015 ]]>abril 8, 2015
Hoy toca la V edición del MeetUp de Machine Learning
José Manuel Navarro Gonzalez, es Ingeniero de Telecomunicació
marzo 14, 2015
Scalatra para impacientes: Como montar un proxy de Elastic Search en 3 minutos
mini tutorial de como instalar scala estilo shotgun. * Si ya tienes instalado Scalatra todavía lo haremos en menos tiempo. Si no este manual de como instalar Scalatra para impacientes te ayudará a hacerlo en un par de minutos. Y ahora llega la mejor parte, tenemos dos opciones: a) hacerlo de cero. Buscar toda la documentación de Scalatra, Interface REST de Elastic Search, etc, etc. b) Clonar este proyecto de github, configurarlo y aprender como con unas cuantas lineas de Scalatra montamos un proxy de Elastic Search y los configuramos a nuestra medida y necesidades. Por supuesto vamos a escoger la opción B que nos mete en el partido en 3 minutos. 1) clonar el proyecto de ejemplo de proxy para Elastic Search usando Scalatra:
git clone https://github.com/nfb-onf/nfbsearch-scalatra.git2) Configurar el URI de conexión a tu Servidor de elastic Search (linea 35)
$ cd NFBSearch-Scalatra
$ vi src/main/scala/ca/nfb/NFBSearchServlet.scala
3) hacer un build del proyecto y lanzarlo.
$ ./sbt
> container:start
> browse
Lo que más me gusta de usar Scalatra es lo sencillo que es implementar una acción:
get("/search") {
contentType = formats("json")
val q:String = params("q")
val httpClient = new HttpClient
val response: Response = httpClient.get(new URL("http://localhost:9200/nfb_films/films/_search?q=" + q))
response.body.asString
}
Incluso alguien con poca experiencia con Scala/Scalatra sería capaz de leer y modificar este código.
Es puro código suscinto sin ningún tipo de ceremonia, lo explica muy bien Javier Lafora, nuestro CTO en ASPGems en su post sobre por que usamos ruby y rails en ASPGems como tecnología web y tiene muchos puntos en común con «Por que usamos Scala para hacer Big Data en ASPGems» (este todavía no está escrito!!! 😉 )
«Scala is Love»
Agradecer a los usuarios de la cuenta de github «nfb-onf» que me ha ahorrado un par de horas del plan A con su maravillosa y gratuita contribución a la comunidad. Muchas Gracias!!! os debo unas cervezas!!
]]>