El valor de la gestión de datos

4 formas en que machine learning impacta en la tecnología en la nube

Posted on Sun, Aug 20, 2017

Estamos entrando en una era donde la tecnología en la nube y machine learning están empezando a impactar directamente en nuestra vida cotidiana. Al fusionarse con machine learning, la tecnología en la nube se encuentra pivotando para convertirse en más interconectada e inteligente.


tecnologia_en_la_nube.jpg

Créditos fotográficos: agsandrew

La computación, el almacenamiento y el networking siguen siendo los principales generadores de ingresos para los proveedores de tecnología en la nube, sin embargo, es el machine learning el que se está convirtiendo en el punto focal de la nube contemporánea.

Veamos 4 formas en que machine learning está influenciando a la tecnología en la nube:

 

Nueva tecnología en la nube con origen en el aprendizaje automático

Cada vez con más frecuencia se puede comprobar un aumento en la eficiencia y las posibilidades de la tecnología en la nube. En muchos de esos casos, detrás de grandes ideas están aplicaciones innovadoras del machine learning, es el caso de:

  1. Computación cognitiva: esta tecnología utiliza el procesamiento del lenguaje natural, la minería de datos y el reconocimiento de patrones para permitir que nos comuniquemos de un modo diferente. Los nuevos negocios en internet combinan talento con robótica llegando a simular el pensamiento humano. Esta forma de informática inteligente se está desplegando en soluciones específicas para cada tipo de industria con la proliferación de APIs. Detección de emociones, lectura de expresiones faciales, reconocimiento visual o análisis de video son las técnicas empleadas por estos sistemas de autoaprendizaje.
  2. Bots como servicio: el soporte al cliente se ha transformado gracias a las nuevas posibilidades de la tecnología en la nube. Los robots interactivos forman parte de la estrategia de servicio al cliente de muchas organizaciones, que quieren entregar una experiencia única. Esta alternativa reemplaza muchas de las aplicaciones en uso, dejando los chats tradicionales u otras aplicaciones móviles de lado al poner el foco en el aprendizaje automático, que va más allá de las APIs conversacionales, permitiendo al sistema aprender de manera continua en base a los patrones de conversación que se van recogiendo y a los pasados.
  3. Ciberseguridad cognitiva: el machine learning aplicado a la protección de datos dota a las empresas de un escudo de seguridad a prueba de hackers. Los algoritmos complejos hacen a la organización más inteligente, analizan los flujos de datos enviados desde y hacia servidores cada milisegundo buscando patrones anómalos para localizar intrusos. De esta forma, los recursos se dedican a la prevención proactiva de ataques y se minimizan las pérdidas asociadas a la gestión de alertas falsas.
  4. Planificación empresarial: el consumo, la capacidad, el volumen de procesamiento… son datos que permiten hacer una planificación más eficaz de los recursos. El aprendizaje automático aplicado a la gestión del alojamiento de datos ayuda a aumentar la velocidad y mejorar el flujo de información soportado por los centros de datos, permitiendo disfrutar de ventajas adicionales, como el evitar el almacenamiento en búfer. Machine learning es la mejor garantía para lograr un sistema más eficiente y con una mayor capacidad de respuesta.

Del internet de las cosas (IoT) a la inteligencia de negocio, la tecnología en la nube está detrás de todas las operaciones de la empresa, impulsando la eficiencia a golpe de innovación. Un territorio reservado para líderes, visionarios y empresas bien aconsejadas que estén trabajando por ampliar su tolerancia al riesgo.

 

Cloud Data Integration

Topics: Cloud