Vodafone

Saltar al contenido principal
cabecera nuestra vision

Nuestra Visión

Explora con nosotros el futuro

Artículos Nuestra Visión

Artículo

- Tiempo de lectura

驴C贸mo puede la anal铆tica de datos impulsar a las AAPP?

Las Administraciones Públicas se encuentran inmersas en una época de cambio en el que las normativas y regulaciones respecto a la información que manejan está muy controlada. La analítica de datos ha emergido como un pilar importante en el cambio, permitiendo así a las entidades gubernamentales aprovechar el vasto flujo de datos disponibles para tomar decisiones estratégicas. ¿Qué aportan este tipo de soluciones a los organismos públicos? Os dejamos 5 ventajas de situar los datos como hilo conductor de la estrategia de transformación digital.
Artículo

- Tiempo de lectura

5 usos del Big Data y la IA para la mejora en la toma de decisiones corporativas

Hemos oído en numerosas ocasiones que las empresas se enfrentan a un volumen de datos inmenso. Ante este panorama que presenta la era digital, el Big Data y la Inteligencia Artificial se han posicionado como herramientas útiles a la hora de tomar decisiones en el ámbito empresarial y corporativo. Gracias al análisis que realizan y a la aplicación de algoritmos avanzados, las compañías obtienen una visión más profunda y precisa de sus operaciones, clientes y mercados. En este blog te contamos cinco usos del Big Data y la IA que están revolucionando la toma de decisiones a nivel corporativo. 
edr
Artículo
Grandes Empresas

- Tiempo de lectura

Sistema de seguridad EDR: qu茅 es y c贸mo puede ayudar a tu empresa

Por Editorial Vodafone Business
Los sistemas de protección EDR (Endpoint Detection Response) son sistemas de protección tecnológico que beneficiará al funcionamiento de tu empresa. Esta tecnología se caracteriza por aunar varios elementos de detección como los antivirus de toda la vida, combinando inteligencia artificial y el Big Data. A continuación, consulta los aspectos más importantes de esta tecnología para valorar si debes contar con un sistema de protección EDR en tu empresa. 

Endpoint Detection and Response (EDR), también conocido como endpoint detection and threat response (EDTR), es una solución de seguridad capaz de supervisar y monitorizar continuamente los dispositivos del usuario final para detectar y responder a ciber amenazas como el ransomware y el malware.

El término fue acuñado por Anton Chuvakin de Gartner, y se define como una solución que registra y almacena comportamientos a nivel de sistema de endpoint, es decir, un dispositivo informático remoto que se comunica con una red a la que está conectado (por ejemplo, los ordenadores de empresa) y que utiliza varias técnicas de análisis de datos para detectar comportamientos sospechosos del sistema. También proporciona información contextual, bloquea la actividad maliciosa y ofrece sugerencias para restaurar los sistemas afectados. Como decíamos, un sistema EDR se ocupa principalmente de los endpoints, que pueden ser cualquier sistema informático de una red, como estaciones de trabajo de los empleados de una empresa o los servidores. Además, puedes proteger la mayoría de los sistemas operativos.

Básicamente, las soluciones de seguridad EDR registran las actividades y eventos que tienen lugar en los endpoints y en todas las cargas de trabajo, proporcionando a los equipos de seguridad la visibilidad que necesitan para descubrir incidentes que, de otro modo, permanecerían invisibles. Una solución EDR debe proporcionar una visibilidad continua y completa de lo que ocurre en tiempo real.

No es un software antivirus, pero puede tener capacidades antivirus o utilizar datos de otro producto antivirus. Si el software antivirus es el principal responsable de la protección contra el software malicioso conocido, el programa EDR encuentra debilidades al mismo tiempo que se ejecuta el ataque. Es decir, es capaz de combinar el antivirus tradicional junto con herramientas de monitorización e Inteligencia Artificial para ofrecer una respuesta rápida y eficiente ante los riesgos y las amenazas más complejas. Las funciones principales de un sistema de seguridad EDR son: Supervisar y recopilar datos de actividad para identificar amenazas potenciales. Analizar estos datos para identificar patrones. Responder automáticamente a las amenazas identificadas para eliminarlas o contenerlas, y notificar al personal de seguridad. Herramientas forenses y de análisis para investigar las amenazas identificadas y buscar actividades sospechosas.
Todo esto se consigue gracias a su capacidad para combinar los elementos de detección de amenazas más clásicos de los antivirus con la aplicación de las últimas tecnologías de las empresas especializadas en Big Data e Inteligencia Artificial.


Entre las aplicaciones y herramientas que incorpora, además del antivirus tradicional destacan: Herramientas de análisis apoyadas en el uso del aprendizaje automático (machine learning) para mejorar la detección de amenazas. Sandbox: un sistema virtual y aislado de pruebas para comprobar el comportamiento de los archivos descargados, por ejemplo. Escaneo de IOCs y reglas YARA, que permiten analizar y detectar las amenazas provocadas por amenazas complejas en tiempo real. El uso de listas blancas y negras de correos electrónicos, páginas web e IP. Interoperatibilidad e interacción con otras herramientas de seguridad, como SIEM, IPS/IDS o herramientas antimalware.

- Tiempo de lectura

Teachable Machine 2.0 hace que la AI sea m谩s f谩cil para todos

Por Editorial Vodafone Business
Las personas están usando AI para explorar todo tipo de ideas: identificar las causas del mal tráfico en Los Ángeles, mejorar las tasas de reciclaje en Singapur e incluso experimentar con el baile. Comenzar con tus propios proyectos de aprendizaje automático puede parecer intimidante, pero Teachable Machine es una herramienta basada en la web que lo hace rápido, fácil y accesible para todos. La primera versión de Teachable Machine permitía que cualquiera enseñase a su ordenador a reconocer imágenes usando una cámara web. Para muchas personas, era la primera vez que experimentaban lo que supone programar un modelo propio de aprendizaje automático: enseñar a la computadora cómo reconocer patrones en los datos (imágenes, en este caso) y asignar nuevos datos a las categorías. Desde entonces, hemos escuchado de muchas personas que quieren llevar sus modelos de Teachable Machine un paso más allá y usarlos en sus propios proyectos. Teachable Machine 2.0 permite programar un modelo propio de aprendizaje automático con solo hacer clic en un botón, no requiere codificación, y se puede exportar a sitios web, aplicaciones, máquinas físicas y otras plataformas. Teachable Machine 2.0 también puede reconocer sonidos y posturas, como si estás de pie o sentado. Colaboramos con educadores, artistas, estudiantes y creadores de todo tipo para descubrir cómo hacer que la herramienta sea útil para todos ellos. Por ejemplo, el investigador de educación Blakeley H. Payne y sus compañeros de equipo han estado utilizando Teachable Machine como parte del plan de estudios de código abierto que enseña a los estudiantes de secundaria sobre IA a través de una experiencia práctica de aprendizaje. «Los padres, especialmente de las niñas, a menudo me dicen que sus hijos están nerviosos por aprender sobre la IA porque nunca han codificado antes«, dijo Blakeley. «Me encanta usar Teachable Machine en el aula porque permite a estos estudiantes ser diseñadores de tecnología sin temor a que “nunca había hecho esto«».Pero no es solo para enseñar. Steve Saling es un experto en tecnología de accesibilidad que lo utilizó para explorar la mejora de la comunicación para las personas con problemas del habla. Yining Shi ha estado utilizando Teachable Machine con sus estudiantes en el Programa de Telecomunicaciones Interactivas en NYU para explorar su potencial para el diseño de juegos. Y en Google, lo hemos estado utilizando para que las máquinas de clasificación física sean más fáciles de construir para cualquiera. Así es como funciona todo: Teachable Machine: Recopilar ejemplos Puede usar Teachable Machine para reconocer imágenes, sonidos o posturas. Sube tus propios archivos de imagen o captúralos en vivo con un micrófono o una cámara web. Estos ejemplos permanecen en el dispositivo y nunca abandonan tuordenador a menos que elijas guardar el proyecto en Google Drive. Programa tu modelo Con un clic, Teachable Machine programará un modelo basado en los ejemplos que hayas proporcionado. Toda la programación se desarrolla en el navegador, por lo que quedará en el ordenador.

- Tiempo de lectura

Brazo rob贸tico con Inteligencia Artificial para empaquetar cajas

Por Editorial Vodafone Business
Los científicos de computación de Rutgers utilizaron Inteligencia Artificial para controlar un brazo robótico que proporciona una forma más eficiente de empacar cajas, ahorrando tiempo y dinero a las empresas. “Podemos lograr soluciones automatizadas y de bajo costo que se pueden implementar fácilmente. La clave es tomar decisiones de hardware mínimas pero efectivas y concentrarse en algoritmos y software robustos «, dijo el autor principal del estudio, Kostas Bekris, profesor asociado en el Departamento de Ciencias de la Computación de la Escuela de Artes y Ciencias de la Universidad de Rutgers en New Brunswick . Bekris, Abdeslam Boularias y Jingjin Yu, todos profesores asistentes de ciencias de la computación, formaron un equipo para tratar múltiples aspectos del problema de empaquetado del robot de manera integrada a través del hardware, la percepción 3D y el movimiento robusto.El estudio revisado por expertos de científicos se publicó recientemente en la Conferencia Internacional IEEE sobre Robótica y Automatización , donde fue finalista para el Premio al Mejor Paper en Automatización. El estudio coincide con la tendencia cada vez mayor de implementar robots para realizar tareas de logística, ventas y almacenamiento. Los avances en robótica se están acelerando a un ritmo sin precedentes debido a los algoritmos de aprendizaje automático que permiten experimentos continuos.

  El embalaje apretado de productos seleccionados de una pila no organizada sigue siendo en gran medida una tarea manual, aunque es fundamental para la eficiencia del almacén. La automatización de tales tareas es importante para la competitividad de las empresas y permite que las personas se centren en el trabajo menos exigente y físicamente exigente, según el equipo científico de Rutgers.
  El estudio de Rutgers se centró en colocar objetos de un contenedor en una pequeña caja de envío y organizarlos bien. Esta es una tarea más difícil para un robot en comparación con solo recoger un objeto y soltarlo en una caja. Usaron datos visuales y una ventosa simple, que se dobla como un dedo para empujar objetos. El sistema resultante puede derribar objetos para obtener una superficie deseable para agarrarlos. Además, utiliza datos de sensores para atraer objetos hacia un área específica y empujar objetos juntos. Durante estas operaciones, utiliza el monitoreo en tiempo real para detectar y evitar fallas potenciales.
  Dado que el estudio se centró en empacar objetos en forma de cubo, un próximo paso sería explorar el empacado de objetos de diferentes formas y tamaños. Otro paso sería explorar el aprendizaje automático mediante el sistema robótico después de que se le haya asignado una tarea específica. Los autores principales son Rahul Shome y Wei N. Tang, estudiantes de doctorado en el Departamento de Ciencias de la Computación. Los coautores incluyeron estudiantes de doctorado Changkyu Song y Chaitanya Mitash, así como Hristiyan Kourtev, un programador científico en el Centro Rutgers para la Ciencia Cognitiva. El trabajo fue apoyado por contratos de investigación y subvenciones del centro de investigación Silicon Valley de JD.com y la Fundación Nacional de Ciencia.