INTELIGENCIA ARTIFICIAL en la BLOCKCHAIN, el futuro más allá del BITCOIN!

Lección 20 de 3165%

Ya has superado la mitad. Estás muy cerca de completar el curso.

Sobre esta lección

Pocos vídeos te van a explicar algo tan futurista como es la fusión del BLOCKCHAIN y la IA. Nuevos proyectos abren la posibilidad de que ambas tecnologías se fusionen para crear Inteligencia Artificial Descentralizada. Al igual que con el Bitcoin podemos desarrollar una economía gestionada y controlada por los usuarios, la IA descentralizada permitirá crear modelos más potentes donde su control y los datos residan en un Blockchain. ► Microsoft Decentralized AI (GitHub) https://github.com/microsoft/0xDeCA10B ► Proof-Of-Learning, PoLe (Paper) https://arxiv.org/abs/2007.15145 --- ÍNDICE --- 00:00 -- Introducción Blockchain + IA 01:50 -- ¿Qué es el Blockchain? 05:12 -- Empresas decentralizadas: caso Uber 06:06 -- Inteligencia Artificial Descentralizada 08:11 -- Blockchain + IA: caso Microsoft 13:10 -- Limitaciones 15:28 -- Fetch.ai y Ocean Protocol 17:59 -- SingularityNET y el robot Sophia 21:17 -- Conclusión final --- ¡MÁS DOTCSV! ---- 📣 NotCSV - ¡Canal Secundario! https://www.youtube.com/c/notcsv 💸 Patreon : https://www.patreon.com/dotcsv 👓 Facebook : https://www.facebook.com/AI.dotCSV/ 👾 Twitch!!! : https://www.twitch.tv/dotcsv 🐥 Twitter : https://twitter.com/dotCSV 📸 Instagram : https://www.instagram.com/dotcsv/ -- ¡MÁS CIENCIA! --- 🔬 Este canal forma parte de la red de divulgación de SCENIO. Si quieres conocer otros fantásticos proyectos de divulgación entra aquí: http://scenio.es/colaboradores

Sobre este curso

Aprende los conceptos, algoritmos y técnicas más importantes del campo de la Inteligencia Artificial. Esta serie de vídeos pretenden ser el complemento perfecto a cualquier curso de machine learning y curso de deep learning introductorio.

Lección 20 de 31Nivel: principianteDuración total: 8h 21m

Lo que aprenderás en este curso:

  • Comprender los fundamentos del aprendizaje automático
  • Implementar algoritmos de clasificación y regresión
  • Preparar y limpiar datos para modelos predictivos
  • Evaluar y optimizar modelos de machine learning