Radar Tecnológico de Thoughtworks prevé que el machine learning impulse tanto el IoT como los casos de uso pragmáticos

Radar Tecnológico de Thoughtworks prevé que el machine learning impulse tanto el IoT como los casos de uso pragmáticos
Ya que el machine learning depende en gran parte de la calidad de los datos de formación, las precauciones habituales siguen siendo las vulnerabilidades y los sesgos inherentes a los conjuntos de datos.

El más reciente reporte también revela que la descentralización de la propiedad de los datos proporciona una mayor privacidad y personalización de la información en dispositivos.

Thoughtworks publicó el volumen 27 de su Radar Tecnológico, un reporte semestral realizado en base a sus observaciones, conversaciones y experiencias de primera mano para resolver los desafíos más complejos de sus clientes a nivel mundial.

Mientras que en el pasado machine learning (ML) requería grandes conjuntos de datos y acceso a una inmensa potencia de cálculo para abordar cuestiones empresariales complejas, el reporte destaca que el crecimiento y amplitud de las herramientas, aplicaciones y técnicas permite a las organizaciones TI hacer más con el ML y en más lugares.

A medida que la potencia de cálculo ha ido en aumento en dispositivos de todos los tamaños y tipos, y las herramientas de código abierto se han ido popularizando y facilitando su uso, el machine learning se ha vuelto accesible incluso para las organizaciones más pequeñas. En particular, con requisitos cada vez más estrictos y la concientización en torno a la privacidad y la información personalizada, las organizaciones se están dando cuenta que las técnicas, como el ML federado, dan pie a una mayor privacidad para la información sensible en el internet de las cosas (IoT) y dispositivos móviles.

Ya que el machine learning depende en gran parte de la calidad de los datos de formación, las precauciones habituales siguen siendo las vulnerabilidades y los sesgos inherentes a los conjuntos de datos. Sin embargo, la relevancia de las herramientas de código abierto está ayudando a crear transparencia en la forma en que los algoritmos interpretan y actúan sobre los datos .

Rebecca Parsons, Chief Technology Officer de Thoughtworks, contó que “antes se limitaba a los usuarios más avanzados y a las organizaciones de TI con grandes recursos, pero los modelos y componentes de ML, más fáciles de usar y disponibles públicamente, están ayudando a reducir las barreras de entrada y a hacer que las experiencias y soluciones de ML sean accesibles a un número aún mayor de organizaciones. “Se les aconseja a las organizaciones que se abran también a casos de uso más pragmáticos en los que el ML pueda aplicarse a las operaciones, los productos y los servicios para lograr una mayor eficiencia, y no sólo a las aplicaciones más revolucionarias”.

Entre los temas destacados del volúmen 27 del Radar Tecnológico se incluyen:

  • El dominio del ML: en poco más de una década, el machine learning pasó de ser una técnica altamente especializada a algo que puede ser realizado por casi cualquier persona con acceso a datos y poder de cálculos. Si bien ello se agradece, todavía es esencial que la industria pueda navegar tanto la proliferación de las herramientas y frameworks en el espacio y las cuestiones éticas que se están volviendo cada vez más visibles y urgentes.
  • El poder de las plataformas como un producto: una plataforma puede ser algo poderoso, especialmente cuando se trata de empoderar a los desarrolladores. Sin embargo, a menudo vemos resultados desilusionantes cuando no son tratadas adecuadamente como productos, es importante que las plataformas sean construidas y mantenidas de manera tal que respondan e intercedan con las necesidades tanto de los equipos técnicos como del resto de la organización.
  • Descentralizando la propiedad de los datos: cuando hablamos de datos la centralización puede resultar restrictiva. Sin embargo, nuevas técnicas y herramientas están facilitando superar los desafíos de la centralización dando ventajas tanto desde un punto técnico como en privacidad.
  • El desarrollo móvil, también modular: los beneficios de la modularidad son muy conocidos, pero por diversas razones no se han aprovechado tanto en el desarrollo de móviles. Esto está comenzando a cambiar; creemos que adoptar un enfoque modular a los móviles no sólo va a mejorar la calidad de las aplicaciones, sino que también la experiencia de construirlas.

Ultimas Noticias

Dejar su comentario sobre esta nota

Su direccion de correo no se publica. Los datos obligatorios se encuentran identificados con un asterisco (*)