Inteligencia artificial, robótica y ciencia de los datos.

Sara Degli Esposti; Carles Sierra. Artificial Intelligence, Robotics & Data Science. Madrid : Consejo Superior de Investigaciones Científicas, 2021. (Libros Blancos. Desafíos Científicos 2030 del CSIC, vol. 11).

ACCEDER AL LIBRO

El libro blanco del CSIC sobre Inteligencia Artificial, Robótica y Ciencia de Datos esboza una hoja de ruta preliminar para abordar los actuales retos de I+D asociados a las máquinas automatizadas y autónomas. En ocho capítulos se presentan más de 50 retos de investigación investigados en toda España por más de 150 expertos del CSIC.

• El capítulo uno introduce conceptos clave y aborda la cuestión de la integración del conocimiento (representación), el razonamiento y el aprendizaje en el diseño de entidades artificiales.
• El capítulo dos analiza los retos asociados al desarrollo de teorías -y tecnologías de apoyo- para modelar el comportamiento de los agentes autónomos. En concreto, presta atención a la interacción entre los elementos a nivel micro (las interacciones individuales de los agentes autónomos) con el mundo macro (las propiedades que buscamos en las sociedades grandes y complejas).
• Mientras que el capítulo tres analiza la variedad de aplicaciones de la ciencia de datos que se utilizan actualmente en todos los campos de la ciencia, prestando especial atención a las técnicas de aprendizaje automático (ML), el capítulo cuatro presenta el desarrollo actual en diversas áreas de la robótica.
• El capítulo cinco explora los retos asociados a los modelos cognitivos computacionales.
• El capítulo seis presta atención a los retos éticos, legales, económicos y sociales que acompañan al desarrollo de los sistemas inteligentes.
• El capítulo siete aborda el problema de la sostenibilidad medioambiental del despliegue de sistemas inteligentes a gran escala.
• Por último, el capítulo ocho aborda la complejidad de garantizar la seguridad, la resistencia y la protección de la privacidad de los sistemas inteligentes frente a las ciberamenazas.

Tecnologías de colaboración y ciencia de los datos en aplicaciones de IA.

Collaborative Technologies and Data Science in Artificial Intelligence Applications. Wolfram Luther  y otros. Logos Verlag Berlin GmbH, 2020. DOI: 10.30819/5141

ACCEDER AL LIBRO

La investigación en Infraestructura de medidores avanzados (AmI) y las pequeñas y medianas empresas tecnológicas (SmE) en las zonas urbanas y rurales presenta grandes desafíos : la AmI depende de los avances en redes de sensores, inteligencia artificial, computación ubicua y persuasiva, representación del conocimiento, razonamiento espacial y temporal.
SmE se basa en sistemas incorporados, integración inteligente y una creciente fusión de objetos reales y virtuales en la Internet de las cosas (IoT).

Las redes de sensores personalizados se utilizan para detectar el comportamiento y las actividades humanas, la lógica de evaluación y la minería de procesos son necesarias para sustituir las capacidades cognitivas de las personas en las aplicaciones de Vida Asistida por el Entorno, detectando las actividades recurrentes sin ser notadas y dañando su privacidad. Como la digitalización se ha convertido en una parte integral de la vida cotidiana, la recopilación de datos ha dado lugar a la acumulación de enormes cantidades de datos que pueden ser utilizados en varios dominios de aplicación beneficiosos.

Ante un mundo digital.

Akademie der Wissenschaften zu Göttingen. Digitalisierung. Privatheit und öffentlicher Raum. Universitätsverlag Göttingen, 2020. DOI: 10.17875/gup2020-1259.

DESCARGAR LIBRO

La digitalización. Espacio privado y público.

El rápido desarrollo del hardware y el software ha hecho que hoy en día la digitalización haya entrado en la vida privada de la mayoría de la población mundial. Hace mucho tiempo que se ha ido mucho más allá del uso de EDP para organizar estructuras empresariales o crear documentos de texto.
La creación de redes mundiales y la posibilidad de acceder a los datos, ya sea abiertamente o de manera desapercibida, ofrecen oportunidades y riesgos cuyo alcance y consecuencias difícilmente se pueden estimar.

Una breve reseña histórica lo demuestra claramente. No fue hasta 1989 que Internet se hizo accesible para uso comercial. Los teléfonos móviles, extremadamente difíciles de manejar, se comunicaban a través de la red analógica B o C, si es que podían ponerse en contacto entre sí. Desde entonces, la influencia de esta tecnología en nuestra sociedad y economía se ha hecho evidente. La digitalización, la conexión en red y la automatización están aumentando la velocidad, el color y el volumen del mundo que nos rodea.
En muchas partes del mundo, la vida sin una visión constante del teléfono inteligente o sin una accesibilidad permanente ya no es concebible, ni para los particulares ni para los responsables en la competencia mundial. Particularmente notable es la intensidad del proceso de cambio: es rápido, imparable y demasiado grande
El tiempo antes de la digitalización, aunque no hace mucho de ello, ha desaparecido de la conciencia en unas pocas décadas.

Hoy en día están emergiendo nuevas tecnologías clave, en cuyo contexto aparecen términos como Internet de las Cosas, Inteligencia Artificial, Realidad Virtual, Realidad Aumentada, robots, drones e impresoras 3D.

El presente volumen, que se basa en un simposio de un día de duración de la Academia de Ciencias de Göttingen, celebrado el 26 de septiembre de 2017, trata de cuestiones de inteligencia artificial, privacidad y soberanía sobre los datos (manejo de datos, por ejemplo, en medicina, en redes sociales), así como de la utilización de los datos en la economía, la política y la cultura, incluidas las cuestiones jurídicas y éticas del desarrollo de la tecnología altamente automatizada.

Ciencia de los datos para estudiantes universitarios

National Academies of Sciences, Engineering, and Medicine. 2018. Data Science for Undergraduates: Opportunities and Options. Washington, DC: The National Academies Press. https://doi.org/10.17226/25104.

LEER ONLINE — DESCARGAR PDF (por registro o como invitado)

La ciencia de los datos está emergiendo como un campo que está revolucionando la ciencia y las industrias por igual. El trabajo en casi todos los dominios está cada vez más impulsado por los datos, lo que afecta tanto a los empleos disponibles como a las habilidades que se requieren. A medida que se disponga de más datos y formas de analizarlos, más aspectos de la economía, la sociedad y la vida diaria dependerán de los datos. Es imperativo que los educadores, administradores y estudiantes comiencen hoy a considerar cómo prepararse mejor y mantener el ritmo de esta era del mañana impulsada por los datos. La enseñanza universitaria, en particular, ofrece un vínculo crítico para ofrecer más exposición a la ciencia de los datos a los estudiantes y ampliar la oferta de talento de la ciencia de los datos.

Data Science for Undergraduates: Opportunities and Options. ofrece una visión de la disciplina emergente de la ciencia de los datos a nivel de licenciatura. Este informe esboza algunas consideraciones y enfoques para las instituciones académicas y otras en las comunidades más amplias de la ciencia de los datos para ayudar a guiar la transformación en curso de este campo.

Desarrollo de flujos de trabajo para científicos de datos

Development Workflows for Data Scientists. O’Reilly Media, 2017

Texto completo

GitHub se asoció con O’Reilly Media para examinar cómo los equipos de análisis de datos de varias organizaciones están mejorando la forma en que definen, aplican y automatizan los flujos de trabajo basados en servicios de datos.

• Definición de la estructura y las funciones del equipo
• Preguntas interesantes
• Examen de trabajos previos
• Recolección, exploración y modelado de datos
• Prueba, documentación e implementación de códigosde producción
• Comunicación de los resultados

Este informe esclarecedor muestra cómo, a pesar de que el ritmo de cambio es rápido y el deseo por el conocimiento y la visión de los datos es cada vez mayor, las disciplinas duales de ingeniería de software y la ciencia de los datos están a la altura de la tarea.

The field of data science has taken all industries by storm. Data scientist positions are consistently in the top-ranked best job listings, and new job opportunities with titles like data engineer and data analyst are opening faster than they can be filled. The explosion of data collection and subsequent backlog of big data projects in every industry has lead to the situation in which «we’re drowning in data and starved for insight.”