Machine learning: la importancia de plataformas y desarrolladores

TensorFlowTodo indica que Google está comenzando a promocionar activamente en el mercado chino su plataforma de machine learning, TensorFlow, en un mercado del que salió huyendo hace algún tiempo con su motor de búsqueda, pero que cumple todas las características para ser uno de los entornos más decisivos del futuro. Varios eventos privados, trabajo en universidades y con líderes de opinión en ese entorno parecen destinados a convertir TensorFlow en la plataforma de desarrollo elegida por más y más estudiantes, académicos y trabajadores, en un entorno en el que el desarrollo de todo lo relacionado con machine learning parece haberse convertido en una prioridad nacional, y en el que la generación de datos parece contar con muchos menos límites en términos de privacidad que los existentes en otros entornos.

La atención dedicada por Google deja clara la importancia del mercado que está comenzando a desarrollarse en torno a las plataformas de machine learning, en un mercado que está comenzando a definirse según hablamos. La importancia que Google otorga al tema es elevadísima: la compañía insiste en que se trata del próximo gran factor competitivo, en que está redefiniendo la totalidad de sus actividades en torno al tema, y en que está dotando de competencia y habilidades en machine learning a todo su personal, a prácticamente todos los niveles. Adquisiciones, plataformas, presencia en plataformas de terceros, y una labor de constante apostolado para una herramienta que muchos desarrolladores que utilizan de forma habitual critican fuertemente, pero que parece constituir la apuesta de la compañía por obtener un liderazgo en el desarrollo de soluciones basadas en machine learning. Para los desarrolladores, es muy posible que TensorFlow suponga una opción importante, con la posible ventaja de contar con una compañía puntera detrás, y con la posibilidad de mejorar rápidamente sus problemas principales, pero ahora mismo, tiene claramente sus detractores.

¿Dónde radica la importancia de estos movimientos? Una parte muy importante del futuro de la disciplina podría venir determinado por la elección de los desarrolladores, de las personas que trabajan en la adaptación de sus aplicaciones de todo tipo para hacer uso del machine learning. Compañías como Facebook y otras han reaccionado liberando sus plataformas en open source para obtener una popularidad mayor, otras como IBM aplican su fuerza comercial para multiplicar su llegada al mercado corporativo tradicional, mientras otras más pequeñas como BigML – de la que soy asesor estratégico – presumen de una gran usabilidad, una amplia gama de soluciones, una gran preferencia entre los desarrolladores que lo utilizan, y una creciente cantidad de instalaciones en compañías de todas las industrias. En ese escenario, el mercado chino representa posiblemente el de mayor crecimiento en número de desarrolladores, el que más compañías parecen estar afrontando con un mayor nivel de prioridad, y un entorno en el que muchos conceptos difíciles de plantear en otros países podrían convertirse en realidad.

Machine learning ya es mucho más que un concepto o una tendencia: está definiendo los entornos del futuro, y las compañías lo saben. Si aprender o entender machine learning no está en tu agenda como directivo, sin duda hay algo que te estás perdiendo, y es muy relevante: que las decisiones que en gran medida contribuyan a dar forma a tus productos y servicios en el futuro no las vas a tomar tú ni directivos como tú, sino tus desarrolladores, un talento escaso que en muchas compañías ya ocupa los puestos mejor pagados, y al que se llega con argumentos completamente distintos a los que se plantean para convencer al directivo tradicional. La batalla por la hegemonía en las herramientas del futuro se juega en otros terrenos.

 

 

 

This post is also available in English in my Medium page, “Machine learning: platforms and developers will set the pace” 

 

5 comentarios

  • #001
    Pedro - 1 noviembre 2017 - 11:59

    OFFTOPIC

    ¿Podrías comentar algo sobre esto, como hiciste hace poco, si hubiera algo nuevo de interés?

    “Estimado usuario de Yahoo:

    En agosto, te comunicamos que ahora Yahoo forma parte de Oath, una organización dinámica de marcas tecnológicas y multimedia que incluye AOL, HuffPost, BUILD, TechCrunch, Tumblr y Makers, y miembro del grupo de empresas Verizon, que trabaja para dar forma a los medios del futuro. Lo más importante es que puedes seguir disfrutando de todos tus productos y servicios favoritos de Yahoo, que ahora cuentan con el respaldo de la red de marcas de Oath. El objetivo de Oath es crear una comunidad de usuarios comprometida y apasionada a través del desarrollo de contenido y productos que sirvan de inspiración y, al mismo tiempo, constituyan una forma de ocio para usuarios de todo el mundo.

    Como parte de esta interesante integración en la organización Oath, el 2 de octubre de 2017, Yahoo! EMEA Limited cambió su nombre a Oath (EMEA) Limited, y nuestra dirección ha pasado de «5-7 Point Village» a «5-7 Point Square».

    Ahora fijémonos en la letra pequeña, que también es importante. Este cambio no tiene ninguna implicación para tu actual contrato con Yahoo y es solo para tu información. Las Condiciones del servicio y la Política de privacidad de Yahoo EMEA siguen rigiendo el uso que hagas de cualquier sitio o aplicación de Yahoo y tu interacción con nuestros productos, servicios y tecnologías.

    Atentamente,

    Oath (EMEA) Limited
    (anteriormente denominada Yahoo! EMEA Limited)”

    Responder
  • #002
    Garepubaro - 1 noviembre 2017 - 14:13

    Tantos y tantos que nos avisan “de lo que nos estamos perdiendo” eso si, jamas nos avisaran “de lo que estamos ganando”

    Responder
  • #003
    JJ - 1 noviembre 2017 - 15:44

    Posiblemente, la detección de patrones en BigData proporcionará mas dolores de cabeza de los que se cree (y no imagino lo que podrá ser en cuestiones como la astronomía).

    Otra cosa: Reasons to switch from TensorFlow to CNTK

    Responder
    • Gorki - 2 noviembre 2017 - 00:20

      Opino como tu, desde mi modestisima experiencia. La abundancia de datos da resultados muy acertados cuando lo que pides son datos estadísticos, cuantos kilometros anda un coche como media, o cuanto duran unas zapatillas de deporte. Pero cuando lo que pretendes buscar son patrones de conducta a partir de los datos que tienes. los errores se multiplican.

      Responder
  • #005
    Mario - 3 noviembre 2017 - 07:59

    Llevo tiempo escuchando esto de que “hay que ponerse a ello”. Soy consultor de organización y estrategia en pymes. Sigo el tema muy por encima desde hace tiempo, pero siempre me pregunto ¿qué puede hacer una pyme normalita con esto hoy en día?, ¿es demasiado pronto o ya puede estar haciendo algo?
    Hay que tener en cuenta que debe medir muy bien toda pequeña inversión que pretenda afrontar…
    Tengo la sensación de que aún está muy lejos de ese nivel y que si voy a un directivo con estos temas me responderá que “anda que no hay temas que tienen que trabajar antes de eso”
    Cómo lo veis? Por dónde debe empezar una pyme con este tema?

    Responder

Dejar un Comentario

Los comentarios en esta página están moderados, no aparecerán inmediatamente en la página al ser enviados. Evita, por favor, las descalificaciones personales, los comentarios maleducados, los ataques directos o ridiculizaciones personales, o los calificativos insultantes de cualquier tipo, sean dirigidos al autor de la página o a cualquier otro comentarista. Estás en tu perfecto derecho de comentar anónimamente, pero por favor, no utilices el anonimato para decirles a las personas cosas que no les dirías en caso de tenerlas delante. Intenta mantener un ambiente agradable en el que las personas puedan comentar sin temor a sentirse insultados o descalificados. No comentes de manera repetitiva sobre un mismo tema, y mucho menos con varias identidades (astroturfing) o suplantando a otros comentaristas. Los comentarios que incumplan esas normas básicas serán eliminados.

 

XHTML: Puedes utilizar estas etiquetas: A ABBR ACRONYM B BLOCKQUOTE CITE CODE DEL EM I Q STRIKE STRONG IMG