{"id":46070,"date":"2022-04-28T18:42:46","date_gmt":"2022-04-28T23:42:46","guid":{"rendered":"https:\/\/boletin.com.mx\/?p=46070"},"modified":"2022-04-28T18:42:46","modified_gmt":"2022-04-28T23:42:46","slug":"hpe-swarm-learning-permite-descentralizar-el-machine-learning","status":"publish","type":"post","link":"http:\/\/imprentaedicom.mx\/boletin2023\/2022\/04\/28\/hpe-swarm-learning-permite-descentralizar-el-machine-learning\/","title":{"rendered":"HPE Swarm Learning permite descentralizar el Machine Learning"},"content":{"rendered":"
La nueva soluci\u00f3n HPE Swarm Learning permite a los clientes compartir ML en sitios distribuidos sin comprometer la privacidad de los datos.<\/em><\/h5>\n
\n

Hewlett Packard Enterprise<\/strong><\/a> (HPE) anunci\u00f3 la disponibilidad de HPE Swarm Learning<\/strong>, una innovadora soluci\u00f3n de IA que permite acelerar el procesamiento de Machine Learning desde el borde para una toma de decisiones m\u00e1s inmediata en m\u00faltiples aplicaciones como el diagn\u00f3stico de enfermedades o la detecci\u00f3n de fraude a tarjetas de cr\u00e9dito.<\/p>\n

De acuerdo con la compa\u00f1\u00eda, HPE Swarm Learning<\/strong><\/a> comparte y unifica los aprendizajes de los modelos de IA sin comprometer la privacidad de los datos. Es la primera soluci\u00f3n de aprendizaje autom\u00e1tico descentralizada con preservaci\u00f3n de privacidad para el borde o los sitios distribuidos.<\/p>\n

La soluci\u00f3n proporciona a los clientes contenedores que se integran f\u00e1cilmente en los modelos de IA a trav\u00e9s de la API HPE Swarm. Tambi\u00e9n pueden compartir de inmediato los aprendizajes del modelo de IA dentro de su organizaci\u00f3n y externamente con sus pares de la industria para mejorar el entrenamiento sin compartir datos reales.<\/p>\n

De acuerdo con Justin Hotard, Vicepresidente Ejecutivo y Director General de HPC e IA en HPE<\/a><\/strong>, el aprendizaje distribuido es un nuevo y potente enfoque en torno a la IA que ha progresado para resolver desaf\u00edos globales, tales como mejorar la atenci\u00f3n m\u00e9dica y optimizar la detecci\u00f3n de anomal\u00edas en la detecci\u00f3n de fraudes y mantenimiento predictivo.<\/p>\n

\u201cHoy, la mayor\u00eda del entrenamiento de los modelos de IA se lleva a cabo en una ubicaci\u00f3n central que depende de conjuntos de datos fusionados y centralizados. Sin embargo, este enfoque puede ser ineficiente y costoso debido a que grandes vol\u00famenes de datos se tienen que trasladar a la misma fuente. Tambi\u00e9n puede estar sujeto a las reglas de privacidad de datos y propiedad de datos y a las regulaciones que restringen el intercambio y traslado de datos, lo que puede conducir a modelos imprecisos o sesgados. Al entrenar los modelos y aprovechar las percepciones en el borde, las empresas pueden tomar decisiones m\u00e1s r\u00e1pido, en el punto de impacto, lo que genera mejores experiencias y resultados. Asimismo, al compartir los aprendizajes entre una organizaci\u00f3n y otra en la fuente de datos, varias industrias del mundo pueden unificar y mejorar a\u00fan m\u00e1s la inteligencia que puede conducir a resultados empresariales y sociales impresionantes\u201d, asegur\u00f3 Justin Hotard<\/strong>.<\/em><\/p>\n

HPE Swarm Learning puede ayudar a diversas organizaciones a colaborar y mejorar las <\/strong>percepciones:<\/p>\n