Author Profile

Written By

Yugal Sharma, Doctor en Filosofía.

Director Senior de Soluciones CAS

Latest Content from Yugal Sharma, Ph.D.

Optimizing AI for improved retrosynthesis predictions

May 28, 2021

La búsqueda de una ruta mejor: optimizar la IA para realizar predicciones de síntesis más innovadoras

Los modelos de IA y aprendizaje automático facilitan la planificación de la retrosíntesis, pero se ven limitados por los datos de formación que han recibido. Siga leyendo para descubrir cómo se pueden generar predicciones innovadoras contando con datos que tengan la diversidad y la calidad necesarias para optimizar las principales iniciativas de planificación de síntesis.

June 14, 2019

Estudio de caso: Impacto de la calidad de los datos en la predicción algorítmica de la actividad biológica

La IA y el aprendizaje automático son muy prometedores para mejorar la productividad de la investigación en muchas disciplinas. Sin embargo, todavía hay muchos desafíos bien documentados para la implementación de estas tecnologías en aplicaciones de I+D y muchas oportunidades para aprovechar los esfuerzos realizados hasta la fecha para lograr un mayor éxito. De hecho, un analista de Gartner estimó que hasta el 85% de los proyectos impulsados por la IA no cumplen sus objetivos. Como ya había publicado anteriormente, yo, y muchos otros, creemos que una de las principales deficiencias que suelen afectar a estos índices de éxito es la calidad de los datos.

March 8, 2019

La calidad de los datos: La salsa no tan secreta para la IA y el aprendizaje automático

La promesa de la inteligencia artificial siempre se ha sentido más como un estado futuro, pero la realidad es que muchas empresas ya están adoptando iniciativas de IA. Esto es especialmente cierto en el ámbito de la I+D científica. En los últimos años, se ha producido un enorme aumento de las iniciativas de aprendizaje automático e IA en todo tipo de ámbitos, desde los modelos QSAR hasta la genómica. Según una encuesta de 2018, la adopción de la IA creció drásticamente del 38% en 2017 al 61% en 2018. Esto ocurrió en una variedad de industrias, incluyendo la de la salud, la manufactura y los servicios financieros. Sin embargo, la mayoría de los pioneros señalaron que uno de los mayores retos para el éxito de la implantación era el de los datos, concretamente el acceso, la protección, la integración y la preparación de los datos para las iniciativas de IA.