Tecnologías AI y ML

en Amazon Web Services

Nuestra visión contempla un futuro cercano en el que las empesas fundamentan su operativa y toma de decisiones en datos. Es lo que llamamos «Productos de Datos» que se apoyan en la nube y las técnicas de IA como piezas clave.

Ciencia de datos

Sagemaker facilita todas las tareas de un científico de datos durante la generación, entrenamiento e implementación de los modelos de Machine Learning. Con el añadido de funcionalidades para la operación de los modelos, tales como el despliegue, se consigue un entorno de trabajo muy completo, con más integraciones y funcionalidades.

Procesamiento y gestión de datos

Para el funcionamiento óptimo de modelos de ML, es muy común que se requiera el preprocesamiento de los datos para aplicar el formato correcto, filtrado o transformaciones. Esto se puede apoyar en servicios como EMR, Batch o Glue, con el beneficio de éste último que, además, permite catalogar los datos.

Analítica

Múltiples servicios en AWS permiten realizar análisis de datos, tanto en fase exploratoria, como en el resto. Algunos ejemplos son: Athena, para consultar datos en S3; Kinesis Analytics, para análisis de datos en streaming y QuickSight, para visualización de datos.

Servicios de IA de imagen y video

El servicio Rekognition permite el reconocimiento de varios tipos objetos en imágenes y video, facilitando en especial el reconocimiento facial. Textract se utiliza para extraer datos y texto de documentos escaneados (OCR).

Servicios de IA de voz y texto

Polly permite transformar texto en voz y Transcribe realiza el trabajo inverso. Translate realiza traducción entre idiomas, Comprehend es utilizado para NLP (procesamiento de lenguaje natural) y, por último, tenemos Lex para chatbots.

Otros servicios de IA/ML

AWS cuenta con otros servicios de IA de alto nivel como: Personalize, para realizar recomendaciones; Forecast, para predicción o Fraud Detector, para detección de posibles actividades fraudulentas online.

Casos de éxito #MachineLearning

CASO DE ÉXITO: CEPSA

DETECCIÓN DE EQUIPAMIENTO MEDIANTE
AI Y EDGE COMPUTING

Las refinerías son lugares de trabajo donde los empleados deben llevar equipamiento de seguridad. Es complicado detectar cuando los empleados no llevan este equipamiento.

INDUSTRIAL
CROSS
IoT
Cloud

CASO DE ÉXITO: CAF

PLATAFORMA BIG DATA MULTI-TENANT PARA
OPTIMIZACIÓN DEL MANTENIMIENTO DE TRENES

Los datos de sensórica de los trenes son masivos (2 Gb por unidad y día) y complejos de analizar.

Transformación digital en CAF
TRANSPORT
Big Data
ML
Cloud

CASO DE ÉXITO: ENAGÁS

Detección de anomalías en bombas criogénicas

A través de la observación de comportamientos anómalos en los datos, el mantenimiento puede ser programado antes de que ocurra un fallo y así evitar la pérdida de producción y deterioro del gas.

ENERGY
ML
Data Science
Cloud

CASO DE ÉXITO: CAM

Modelización de la propagación de la infección Covid-19

Aunque diariamente se dispone de nuevos datos sobre COVID-19, la información sobre las características biológicas y epidemiológicas de COVID-19 continúa siendo limitada y sigue habiendo incertidumbre en torno a casi todos los valores de los parámetros.

PUBLIC SERVICES
ML

La IA es la mejor técnica para extraer el valor a los datos

En Keepler trabajamos para que las empresas generen valor a partir de los datos a través de Productos de Datos. Estos productos aprovechan la flexibilidad de la nube pública y técnicas machine learning para abordar todas las fases de un proyecto de datos con un enfoque MLOps basado en la automatización y monitorización en cada paso hacia un sistema ML completo: construcción, integración, testing, despliegue y gestión productiva.

Esto nos permite construir soluciones más escalables, rápidas, inteligentes, y adaptadas a las necesidades de cada empresa.

En Keepler entendemos la tecnología como un medio con el que crear valor, el dato como su base y la IA como la mejor técnica con la que extraerlo. Ya sea una solución demostrada como nuevos enfoques a identificar, te acompañaremos en la construcción de soluciones de éxito gracias a nuestra experiencia y know-how.

Entregas iterativas e increméntales de valor

Teniendo en cuenta la naturaleza del proyecto, proponemos un enfoque basado en CRISP-DM (Cross-Industry Standard Process for Data Mining). Esta metodología comprende un modelo de procesos estándar abierto avalado por AWS en su guía de buenas prácticas de arquitectura (Well-Architected Framework) aplicada a Machine Learning (ML Lens). Como complemento a este marco, para una adecuada gestión del proyecto, incorporamos eventos de gestión de riesgos, planificación, revisión y mejora continua a través de un marco de trabajo como Scrum. La conjunción de ambos marcos nos permiten realizar entregas iterativas e incrementales de valor a lo largo de un proyecto de Machine Learning en colaboración continua con el cliente.

Algunos casos de uso que utilizan IA

Gestión de clientes

La gestión de los clientes es cada vez más compleja: clientes más exigentes, más puntos de contacto y más datos. La IA es la mejor manera de obtener una verdadera comprensión para mejorar las interacciones con nuestros clientes, eligiendo el canal correcto y el contenido adecuado. La IA ayuda a las organizaciones a mejorar la experiencia de usuario con información proveniente de sus sistemas u otros canales.

Sistemas de recomendación

El número de productos y servicios crece día a día. Al mismo tiempo, las interacciones a través de los canales digitales van en aumento (ecomercios, plataformas digitales como Netflix, Spotify). Es importante contar con soluciones que permitan ofrecer el producto o servicio más adecuado en el momento adecuado, combinadas con reglas de negocio gestionadas por los usuarios de negocio.

Series temporales y previsión de la demanda

La IA es capaz de predecir próximas ventas, visitas a los sitios web, demanda de electricidad o combustible en una zona específica. La previsión en series temporales obtiene la información sobre los orígenes de la predicción, que son los eventos con más impactos y los escenarios «what-if».

Comprensión del Lenguaje Natural (NLU)

Los algoritmos de la NLU permiten gestionar un enorme volumen de datos generados en diferentes documentos. Algunos ejemplos de estas capacidades son: Detección de puntos destacados en textos, clasificación de la intención y la taxonomía o análisis de sentimiento.

Reconocimiento de voz, texto e imagen

Los avances en IA traen nuevas posibilidades. La transcripción de audio y el reconocimiento de imágenes y video tienen muchas utilidades tales como la detección de daños o reconocimiento de individuos. El gran número de algoritmos y técnicas proporcionadas por diferentes frameworks y servicios diseñados por los proveedores de nubes, simplifican y aceleran este proceso.

Optimización en la productivización de modelos

Es posible disponer de entrenamiento de modelos y despliegue en producción con un solo click, incluyendo: Pruebas A/B automatizadas, optimización de variables, entrenamiento automatizado y monitorización de la precisión del modelo

Hablamos de AWS

Entendiendo tus propios modelos predictivos | T3chFest 2019
Detecting “things” with edge computing and the cloud | T3chFest 2019
Keepler | Webinar | Los datos que explican el covid-19 en España
Aplicando Agile en productos de datos para mejorar el éxito del proyecto
Simulando la vuelta a la normalidad: la teoría de grados y el Covid-19
Predicción de series temporales con redes de neuronas 
¿Hablamos? 

Si quieres dar el paso a la nube pública de AWS, contáctanos y hablamos.