IoTSocial Media
Mostrando entradas con la etiqueta IoT. Mostrar todas las entradas
Mostrando entradas con la etiqueta IoT. Mostrar todas las entradas

martes, 11 de junio de 2019

La combinación de las capacidades de la 5G

Con el lanzamiento anticipado de la 5G, esta semana Vodafone la aplicará en España, hay altas expectativas para el impacto potencial de las nuevas tecnologías y los modelos de negocio habilitados por estas redes. La llegada de la 5G brinda múltiples ventajas, incluida una mayor velocidad para mover más datos, una menor latencia para reducir los retrasos y la capacidad de conectar más dispositivos. En particular, las industrias IoT (IIoT) y de manufactura son impulsoras clave para la innovación que utiliza la tecnología habilitada con 5G, lo que lleva a capacidades avanzadas de monitoreo y predicción que ayudarán a optimizar la cadena de suministro, el flujo de productos, la seguridad y más.

La combinación de las capacidades de la 5G con la aplicación de tecnologías como sensores, el aprendizaje automático (ML), la inteligencia artificial (AI) y la realidad aumentada (AR) en el campo de IIoT creará oportunidades para llevar a las empresas al siguiente nivel. Por ejemplo, los sensores en una fábrica pueden transmitir datos en tiempo real a los administradores remotos o técnicos de servicio para notificarles un problema antes de que se intensifique. Se puede utilizar la AR (Realidad Aumentada) para profundizar en las alertas, diagnosticar y remediar problemas sin tiempo de inactividad. El análisis predictivo con ML / AI puede proporcionar recomendaciones y mejorar los problemas recurrentes, aumentando la eficiencia y ahorrando gastos. Sin embargo, como todos estos datos se comunican a través de las redes, al construir un ecosistema logístico de inteligencia, hay otro impacto potencial que debe considerarse: ¿Está este uso de la IoT sujeto al impuesto a las comunicaciones?

Con más y más dispositivos capaces de comunicar vastas cantidades de datos, es fundamental estar al tanto de cualquier posible implicación de impuestos a las comunicaciones que pueda surgir como resultado. Si un servicio está sujeto a las comunicaciones, el impuesto se basa en el caso de uso y no se limita a las empresas de la industria de las telecomunicaciones, por lo que es imperativo comprender si su uso particular está sujeto a impuestos o no. Debido a los beneficios de la alta confiabilidad y seguridad de la 5G, las instalaciones industriales se encontrarán entre los principales usuarios de las redes privadas 5G, por lo que es una prioridad para ellos saber qué buscar cuando se implementan nuevas tecnologías y modelos de negocios.

Con esta comunicación ultra confiable de baja latencia (URLLC), la 5G permite el control y optimización de procesos críticos en el tiempo en entornos industriales que no son posibles con la tecnología celular actual. Esto introduce nuevos modelos operativos de negocios, como la implementación de más dispositivos automatizados conectados a IoT que transmiten datos en tiempo real para crear más eficiencia y precisión. Estos nuevos modelos operativos para negocios de IIoT pueden tener un elemento de comunicación que podría estar sujeto a nuevas implicaciones fiscales. Identificar cuándo podría aplicarse el impuesto a las comunicaciones en casos de uso específicos será importante para evitar sorpresas y obligaciones impositivas inesperadas.

Otros servicios que soportará la 5G incluyen eMBB (banda ancha móvil mejorada) que brindará acceso a Internet de gran ancho de banda para conectividad inalámbrica, transmisión de vídeo a gran escala y realidad virtual. Y la mMTC (Comunicación de tipo de máquina masiva) que admite el acceso a Internet para dispositivos de detección, medición y monitoreo.

Pero nos enfocaremos en URLLC por ahora. Una de las características clave de URLLC es la LL, o baja latencia. La baja latencia es importante para los dispositivos que, por ejemplo, se manejan solos o realizan cirugías de próstata. La baja latencia permite que una red se optimice para procesar cantidades increíblemente grandes de datos con un retraso mínimo (o latencia). Las redes necesitan adaptarse a una gran cantidad de datos cambiantes en tiempo real. 5G permitirá que este servicio funcione. URLLC es, posiblemente, la adición más prometedora a las capacidades 5G futuras, pero también será la más difícil de asegurar; URLLC requiere una calidad de servicio (QoS) totalmente diferente de los servicios de banda ancha móvil. Proporcionará a las redes sistemas instantáneos e inteligentes, aunque requerirá una transición fuera de la red central.

Esta nueva conectividad inalámbrica URLLC garantizará que la latencia sea de 1 ms o menos. Para que esta interfaz alcance una latencia baja, todos los dispositivos deben sincronizarse en la misma base de tiempo. Las redes sensibles al tiempo son otro componente de las capacidades de la 5G URLLC. Esto permitirá que los modeladores utilizados para gestionar el tráfico estén atentos al tiempo.

El diseño de un servicio de baja latencia y alta confiabilidad involucra varios componentes: estructura de trama integrada, respuesta increíblemente rápida, control eficiente y uso compartido de los recursos de datos, transmisión de enlace ascendente basada en concesión y esquemas avanzados de codificación de canales. Las estructuras libres de subsidios de enlace ascendente garantizan una reducción en la transmisión de la latencia del equipo del usuario (UE) al evitar el proceso del hombre medio de adquirir un subsidio de programación dedicado.

La comunicación ultra confiable de baja latencia representa un completo cambio de juego para la tecnología de comunicaciones en la era moderna. Con él, podemos realizar cirugías remotas, hacer que nuestros autos conduzcan por nosotros y aumentar la productividad de la máquina por factores de gran escala. Pero URLLC (Ultra-Reliable Low-Latency Communication) simplemente no es posible sin el desarrollo e implementación de 5G NR; la versión no autónoma de 5G NR está programada para ser lanzada a finales de este año. La versión independiente debería lanzarse en algún momento de 2020.

Es útil comenzar con el conocimiento de qué factores de influencia podrían desencadenar la aplicación del impuesto a las comunicaciones. Si está utilizando tecnología como sensores, AI, VR o AR para enviar datos a través de Internet y administrar sus operaciones de IIoT, en muchos casos puede ser necesario el impuesto a las comunicaciones, pero muchos otros factores también intervienen para tomar esa decisión.

Además de las implicaciones a través de la tecnología, los cambios en la legislación también pueden afectar cuándo y cómo se aplica el impuesto a las comunicaciones. Las autoridades fiscales trabajan para mantenerse al día con los modelos de negocios cambiantes y la tecnología que los impulsa. Sin embargo, la innovación se mueve más rápido de lo que puede, por lo que se sabe que la legislación tributaria de las comunicaciones cambia repentina y drásticamente para tratar de ponerse al día. Con un panorama que cambia rápidamente y distinciones altamente matizadas, confiar en recursos confiables y datos actualizados puede ayudarlo a navegar por la complejidad.

Los tremendos beneficios que 5G aporta a IIoT son promocionados por algunos como líderes de la cuarta revolución industrial, después del vapor, la mecanización y la informatización. Con cualquier cambio masivo de esta escala, los efectos dominantes serán de gran alcance y aún no se han definido, incluidas las implicaciones fiscales, que son complejas y aún no están claras. Para estar preparado para los posibles escenarios de impuestos, es útil comprender cómo su caso de uso en particular podría verse afectado por el hecho de saber cuándo y cómo se aplica el impuesto a las comunicaciones a la IoT. Mantenerse al tanto de los cambios en la legislación y confiar en sus profesionales de impuestos de confianza puede ayudarlo a reducir el riesgo y minimizar las sorpresas.

Artículos relacionados:

Interrupción Digital: Definición de Industria 4.0 e Industrial IoT

                        
                       
                       

                   

lunes, 20 de mayo de 2019

Interrupción Digital: Definición de Industria 4.0 e Industrial IoT

¿Cómo podemos hacer que los sistemas de fabricación, producción y entrega sean mejores para los consumidores que compran productos y más fáciles para las empresas que los fabrican? Hemos recorrido un largo camino para mejorar los sistemas que utilizamos en una amplia variedad de industrias en todo el mundo. Desde la maquinaria torpe de la línea de ensamblaje hasta los dispositivos siempre encendidos de hoy en día, los líderes empresariales y los expertos en tecnología siempre están buscando formas de simplificar y automatizar los procesos y recopilar más datos para seguir avanzando.

Pero, ¿hacia dónde nos dirigimos ahora que estamos usando Big Data para aumentar la producción y generar más ventas? ¿Adónde nos llevarán nuestros sueños de dispositivos inteligentes más inteligentes? En este momento, se dice que vivimos en la Industria 4.0, un momento en el que la automatización y el intercambio de datos comparten el asiento del conductor, conduciendo una nueva era industrial a la siguiente. Esto significa que las empresas están practicando la mejora continua mediante el desarrollo de modelos de negocios digitalizados, el crecimiento de una fuerza laboral digital, la conducción de nuevas eficiencias a través de los datos y la planificación para el futuro. Para mantenerse al día con estas empresas inteligentes, ¿qué términos clave debe tener en cuenta? ¿Y qué significa todo esto para su éxito?

 

¿Qué es la Industria 4.0?


Industry 4.0 o Industrial 4.0 es la cuarta revolución industrial, un nombre para la 'digitalización de la cadena de valor completa' o el uso de IoT para automatizar y mejorar las cadenas de valor de la manufactura. Habla de la forma en que ahora usamos la tecnología para crear mejor, controlar y consumir bienes. Muchas empresas del sector manufacturero están adoptando aplicaciones de la Industria 4.0 para modernizar su actividad mediante la automatización de la producción.

¿Qué es Industrial IoT?


La IoT industrial, a veces escrita como iIoT, es una tendencia de IoT que afecta específicamente a las empresas industriales, desde el agua, el petróleo y el gas hasta el transporte, la minería y la atención médica. Cualquier negocio que utilice equipos industriales e integre flujos de trabajo con IoT está envuelto en esta tendencia. Industrial IoT es el uso de gestión de datos, herramientas de comunicación, la nube y otras tecnologías de seguridad para impulsar la mejora continua y la conectividad. El movimiento de la Industria 4.0 impactará en iIoT al hacer que esta tecnología esté más disponible para los actores de la industria, utilizando herramientas como sensores y sistemas inteligentes para aumentar los flujos de trabajo y producir datos en tiempo real, ahorros de costos y mejoras de calidad.

Planificación para la interrupción digital


Las empresas industriales deben abordar la interrupción digital no solo para seguir siendo relevantes e impulsar a los competidores, sino también para satisfacer a los nuevos consumidores y ofrecer productos y servicios más seguros, efectivos y más rentables. Estas son algunas de las formas en que las compañías están planeando esta forma de interrupción digital ahora:

  • Uso de IoT para mejorar el viaje y la experiencia del cliente con puntos de contacto inteligentes.
  • Uso de IoT para pasar de esfuerzos reactivos a esfuerzos proactivos para mejorar la resolución de problema.
  • Uso de IoT para recopilar datos y obtener acceso en tiempo real a la información para una mejor toma de decisiones.
  • Uso de IoT para intercambiar soluciones puntuales con soluciones integrales con tecnología habilitada.
  • Uso de IoT para desarrollar nuevos diferenciadores y fuentes de ingresos para inversiones a largo plazo.
  • Uso de IoT para atraer y capacitar a las primeras fuerzas de trabajo digitales e impulsar la colaboración

    Y aquí es por qué mantenerse al día con iIoT e Industrial 4.0 debe estar en su lista de tareas pendientes como líder empresarial:

  • Podría llevar a importantes ganancias y crecimiento para muchos negocios.
  • Puede ayudar a ciertas compañías a cumplir con las nuevas regulaciones y requisitos.
  • Permitirá a las empresas integrar sistemas y equipos clave con flujos de trabajo.
  • Ya se ha comprobado que aumenta las ganancias, la seguridad y la eficiencia.
                       
                       
                       

                    

lunes, 8 de abril de 2019

¿Cuál es el futuro del Internet de Cosas (IOT) – Blockchain?

Kevin Ashton, el hombre que acuñó el término 'Internet de las Cosas' (IoT), escribió en 1999:

“Si tuviéramos computadoras que saben todo lo que había que saber sobre las cosas, utilizando los datos que recopilaron sin ninguna ayuda de nuestra parte, podríamos rastrear y contar todo, y reducir en gran medida el desperdicio, la pérdida y el costo. 'Sabríamos cuándo las cosas necesitaban ser reemplazadas, reparadas o recordadas, y si estaban frescas o habían pasado su mejor momento'.

En 2015, Kevin fue nuevamente citado en la revista Smithsonian:

“En el siglo XX, las computadoras eran cerebros sin sentidos, solo sabían lo que les decíamos. Esa fue una gran limitación: hay miles de millones de veces más información en el mundo de lo que la gente podría escribir a través de un teclado o escanear con un código de barras ... '

Lo que Kevin no previó fue la invención de la cadena de bloques (Blockchain), una tecnología que le permite almacenar datos de una manera transparente e inmutable, que ofrece a IoT una solución para muchos, si no la mayoría, de los problemas de seguridad que le impiden realizar su completo potencial hoy en día.

Una cadena de bloques, conocida en inglés como Blockchain, es una estructura de datos en la que la información contenida se agrupa en conjuntos (bloques) a los que se les añade metainformaciones relativas a otro bloque de la cadena anterior en una línea temporal, de manera que gracias a técnicas criptográficas, la información contenida en un bloque solo puede ser repudiada o editada modificando todos los bloques posteriores. Esta propiedad permite su aplicación en entorno distribuido de manera que la estructura de datos blockchain puede ejercer de base de datos pública no relacional que contenga un histórico irrefutable de información. En la práctica ha permitido, gracias a la criptografía asimétrica y las funciones de resumen o hash, la implementación de un registro contable (ledger) distribuido que permite soportar y garantizar la seguridad de dinero digital.

¿Por qué debería el IoT cumplir con el blockchain?


La combinación de estos dos conceptos permite a las empresas e incluso a los consumidores monetizar directamente la “información mil millones de veces más” generada por los aproximadamente 30 sensores en su automóvil, los sensores de motor en aviones que miden 5.000 elementos por segundo y miles de millones de otros sensores en cada parte de nuestra vida diaria mide cosas como los efectos del clima, los contaminantes, la ubicación, el combustible, la temperatura, la humedad, la humedad, el sonido, la vibración, la resistencia al viento, la presión, el peso, la electricidad y más de 300 tipos de elementos.

GE (General Electric) y Cisco Systems, dos de las principales empresas en este campo, estiman que tendremos 1 trillón de sensores en el mundo para 2020.

Con esto, uno puede imaginar las posibilidades de abrir millones de puntos de datos medidos cada día por estos sensores de un billón a mercados públicos (o privados) construidos con tecnología de Blockchain específicamente diseñada para vender y comprar estos datos.

Para dar un ejemplo: una compañía automotriz podría rastrear la relación entre la resistencia del aire y el consumo de combustible en sus automóviles, transmitir esos datos al mercado en tiempo real y venderlos directamente a los fabricantes de partes de automóviles, quienes pueden utilizar estas métricas para mejorar el diseño de la estructura global para reducir el consumo de combustible.

Sí, es cierto que ayudar a los competidores de esta manera podría ser negativo, pero ¿qué pasaría si los ingresos de la venta de los datos valen más que la ventaja competitiva de mantener esos datos para usted en primer lugar?

Del mismo modo, ¿qué sucede si usted, el propietario del automóvil, podría vender estos datos directamente a cualquier número de compañías interesadas en mejorar diferentes partes del vehículo, pero a quién le faltan la gran cantidad de datos para hacerlo?

La venta de datos de resistencia del viento es solo uno de cada cien casos de uso en el mercado que son posibles hoy en día, miles en los próximos 5 años y quizás cientos de miles en este siglo.

Ni siquiera he tocado los posibles casos de uso fuera de los mercados, como cadenas de suministro confiables o vehículos autónomos que hablan y se microtransactan entre sí.

Pero si estos casos de uso son tan adecuados para el Blockchain, entonces ¿por qué solo estamos hablando de ejemplos hipotéticos y no de ejemplos del mundo real?

¿Podemos imaginarlo, pero podemos construirlo?


Los sensores existen. Los blockchains también existen (sin embargo, no de la manera más compatible). Pero el pegamento para unir el IoT y el Blockchain no existe. Especialmente no es el tipo de 'súper pegamento' a prueba de manipulaciones que se necesita para hacer que la mayoría de estos casos de uso ... sean utilizables.

El internet de las cosas (en inglés, Internet of Things, abreviado IoT;​ IdC, por sus siglas en español​) es un concepto que se refiere a una interconexión digital de objetos cotidianos con Internet. Es, en definitiva, la conexión de internet con más objetos que con personas.​También se suele conocer como Internet de Todas las Cosas o Internet en las Cosas. Si los objetos de la vida cotidiana tuvieran incorporadas etiquetas de radio, podrían ser identificados y gestionados por otros equipos de la misma manera que si lo fuesen por seres humanos.

Durante los últimos años, una cantidad muy limitada de las principales corporaciones han estado probando casos de uso básicos que se implementarán el próximo año, pero casi nadie está usando soluciones de la cadena de bloques en el IoT hoy en día, y muchos proyectos de cadena de bloques que se lanzarán pronto, por ejemplo. el sector de la cadena de suministro solo utilizará la parte 'Blockchain' del IoT-blockchain para rastrear sus productos, pero aún así ingresará los datos manualmente.

¿eL IoT y el Blockchain eventualmente colaborarán o continuarán simplemente coexistiendo?

Para resumir, estos son los problemas que se interponen en el camino de un futuro autónomo:

   1. No hay un software estándar para conectar blockchain a IoT.

Como resultado, cada empresa vertical tiene que construir todo el caso de uso Y la infraestructura desde cero, lo que literalmente puede llevar años.

    2. Los blockchains existentes son inmaduros y están desactualizados rápidamente.

Ninguna compañía desea comprometerse con una tecnología que a) no funciona correctamente para el caso de uso previsto (debido a los tiempos de validación lentos o las restricciones de hardware en el dispositivo IoT), o b) podría estar desactualizado en 6 meses.

Nadie sabe qué tecnología de contabilidad distribuida (DLT) será la mejor para el caso de uso de X en Y años.

¿Solución?

Una cartera empotrada para el Internet de las Cosas parece ser una solución prometedora en este momento, básicamente haciendo un 'Ledger Nano' para máquinas. Esto permitiría que casi cualquier dispositivo se conecte con cualquier DLT y, al no ser una puerta de enlace de IoT, conserva los beneficios de seguridad de la cadena de bloques y al no ser un nodo completo, reduce drásticamente la carga en el dispositivo de IoT.

Esta podría ser una de las formas a seguir si queremos una infraestructura completamente escalable para una economía autónoma e impulsada por la máquina en las próximas décadas.

Conclusión

El Blockchain es todavía comparable para el Internet de hace décadas. El Internet no sabemos hoy si las miradas son nada como ello hizo atrás, y lo mismo puede ser dicho sobre el Blockchain que parece avanzado. En la esencia, el Blockchain puede añadir una nueva dimensión entera al Internet introduciendo nuevos estándares en la transparencia de datos y comunicación par a par. Unas décadas desde ahora, calculo que el Blockchain (e IoT) en sus casos de uso que vemos hoy parecerá al Internet increíblemente lento en lo que vimos cuando se hizo público en los años 90. Los dispositivos sólo no pueden transferir ahora datos sino también el valor monetario, abriendo mercados flamantes dignos de billones en los años próximos.

Artículos relacionados:

Blockchain e IoT: una fusión que garantiza transacciones válidas y seguras 



jueves, 26 de abril de 2018

Guía para principiantes sobre el Aprendizaje Automático, Inteligencia Artificial, Internet de las Cosas (IoT), PNL, Aprendizaje Profundo (Deep Learning), Big Data Analytics y Blockchain

Las nuevas tecnologías como Machine Learning, Internet of Things, Deep Learning, PNL, , Cloud, Big Data y la Analítica Predictiva están teniendo un gran impacto en la España. Si bien se están creando muchos puestos de trabajo en estos campos, o más bien demandados, estas nuevas tecnologías también están restando los trabajos humanos tradicionales y aburridos. Por lo tanto, es muy importante que la nueva generación comprenda las nuevas tecnologías y los términos, y tenga en cuenta las habilidades necesarias para obtener empleos en el futuro.. Este post es una Guía para principiantes sobre el Aprendizaje Automático, Inteligencia Artificial, Internet de las Cosas (IoT), PNL, Aprendizaje Profundo (Deep Learning), Big Data Analytics y Blockchain. Además, también enumeraré algunos de los mejores cursos en línea y programas de máster de España, EE. UU. y Canadá para la ciencia de los datos, el aprendizaje automático, estadísticas, IoT y Big Data Analytics.
Inteligencia Artificial

Guía para principiantes sobre el Aprendizaje Automático, la Inteligencia Artificial, Internet de las Cosas (IoT), Procesamiento del Lenguaje Natural (PNL), Aprendizaje Profundo (Deep Learning), Análisis del Big Data y Blockchain.

¿Qué es el Aprendizaje Automático (Machine Learning)?


El aprendizaje automático (ML) es un campo de estudio que aplica los principios de la informática y las estadísticas para crear modelos estadísticos, que se utilizan para predicciones futuras (basadas en datos pasados ​​o Big Data) e identificar (descubrir) patrones en los datos. El aprendizaje automático es en sí mismo un tipo de Inteligencia Artificial que permite que las aplicaciones de software sean más precisas en la predicción de resultados sin estar programadas explícitamente.

El objetivo básico del aprendizaje automático es construir algoritmos que puedan recibir datos de entrada y usar estadísticas para predecir un valor de salida dentro de un rango aceptable. Proporciona la capacidad de obtener automáticamente conocimientos profundos, reconocer patrones desconocidos y crear modelos predictivos de alto rendimiento a partir de datos, todo ello sin requerir programación explícita. El aprendizaje automático se puede aplicar para detectar transacciones fraudulentas con tarjeta de crédito o para predecir precios.

Los algoritmos del Aprendizaje Automático se pueden categorizar como supervisados, semi-supervisados ​​o no supervisados. Los algoritmos supervisados ​​requieren que los humanos proporcionen retroalimentación sobre la precisión de las predicciones junto con la entrada y la salida deseada. Los algoritmos no supervisados ​​no necesitan ningún entrenamiento o participación humana. Usan un enfoque iterativo llamado Aprendizaje Profundo o Deep Learning (explicado más adelante en esta publicación) para revisar los datos y sacar conclusiones.

Leer más en este estudio sobre el Aprendizaje Automático en formato .pdf.

Cursos recomendados en línea para el Aprendizaje Automático en Espàña (en español) y Europa (en Inglés):


Cursos recomendados en línea para el Machine Learning en EEUU y Canada:


¿Qué es la Inteligencia Artificial (IA)?


La Inteligencia Artificial es el campo de estudio mediante el cual una computadora (y sus sistemas) desarrollan la capacidad para realizar con éxito tareas complejas que generalmente requieren inteligencia humana, como percepción visual, reconocimiento de voz, toma de decisiones y traducción entre idiomas. En otras palabras, la Inteligencia Artificial se ocupa de resolver tareas que son fáciles para los humanos pero difíciles para las computadoras.

Mientras que la Inteligencia Artificial generalmente se concentra en la programación de computadoras para tomar decisiones, el Aprendizaje Automático enfatiza en hacer predicciones sobre el futuro. Si usas un programa inteligente que involucra un comportamiento humano, puede ser Inteligencia Artificial. Sin embargo, si los parámetros no se aprenden automáticamente (o se derivan) de los datos, no se trata de Aprendizaje Automático (ML).

Según Bernard Marr, la IA y el ML a menudo parecen ser intercambiables. Pero, no son lo mismo. La Inteligencia Artificial es el concepto más amplio de que las máquinas pueden llevar a cabo tareas de una manera que podríamos considerar 'inteligente'. Considerando que, Machine Learning es una aplicación actual de la IA basada en la idea de que realmente deberíamos ser capaces de dar acceso a las máquinas a los datos y dejarles que aprendan por sí mismas.

Cursos recomendados en línea para la Inteligencia Artificial en España:


Cursos recomendados en línea para la Inteligencia Artificial en Europa, EEUU y Canada: 

 

¿Qué es el Procesamiento del Lenguaje Natural (NLP)?


Uno de los objetivos principales de la Inteligencia Artificial es el procesamiento del lenguaje natural (NLP). El NLP es un campo de la informática que se encuentra en la intersección de la Inteligencia Artificial y la lingüística computacional. El NLP se ocupa de la programación de computadoras para procesar grandes 'corpus' de lenguaje natural. En palabras simples, el NLP implica un análisis inteligente del lenguaje escrito.

Por ejemplo, tiene una gran cantidad de datos escritos en texto sin formato. Las técnicas de NLP pueden revelar las ideas de esto para usted. Estas ideas generalmente incluyen análisis de sentimientos, extracción de información, recuperación de información, búsqueda, etc. El NLP generalmente trata con artículos de investigación, blogs, mensajes de texto de fuentes de medios sociales (incluyendo emoticones); no se trata de imágenes.

 

¿Qué es el Deep Learning o Aprendizaje Profundo?

El Aprendizaje Profundo es otro aspecto de la Inteligencia Artificial que se ocupa de hacer coincidir el enfoque de aprendizaje utilizado por los humanos para obtener ciertos tipos de conocimiento. En otras palabras, el Aprendizaje Profundo es una forma de automatizar el análisis predictivo. A diferencia del NLP, los algoritmos del Deep Learning no se ocupan exclusivamente del texto. El Aprendizaje Profundo implica el modelado matemático, que puede considerarse como una composición de bloques simples de cierto tipo, y donde algunos de estos bloques se pueden ajustar para predecir mejor el resultado final.

La palabra 'Profundo' significa que la composición tiene muchos de estos bloques apilados uno encima del otro, en una jerarquía de complejidad creciente. La salida se genera a través de algo llamado Backpropagation dentro de un proceso más grande llamado descenso de gradiente que le permite cambiar los parámetros de una manera que mejora su modelo.

Vamos a profundizar un poco ahora. Los algoritmos tradicionales del aprendizaje automático son lineales. Los algoritmos de aprendizaje profundo están apilados en una jerarquía de complejidad creciente. Imagine que un bebé está tratando de saber qué es un perro al señalar con el dedo los objetos. Los padres dirán 'Sí, ese es un perro' o 'No, ese no es un perro'. A medida que el bebé continúa apuntando a los objetos, se vuelve más consciente de las características y las características que poseen todos los perros. En este caso, el bebé está aclarando una abstracción compleja (el concepto de perro) construyendo una jerarquía de complejidad creciente creada. En cada paso, el bebé aplica el conocimiento obtenido de la capa de la jerarquía anterior. Los programas de software usan el enfoque de aprendizaje profundo de manera similar. La única diferencia es que el bebé podría tomar semanas para aprender algo nuevo y complejo; un programa de computadora podría hacer eso en pocos minutos.

Cursos recomendados en línea para Deep Learning en Espàña:


Cursos recomendados en línea para Deep Learning en EEUU y Canada:


Data Science, Big Data y Big Data Analytics


Para alcanzar un cierto nivel de precisión y velocidad, los programas de aprendizaje profundo (Deep Learning) requieren acceso a cantidades inmensas de datos de entrenamiento y poder de procesamiento. Ahora, esto es muy posible en la era actual gracias al Big Data (y el análisis del Big Data) y el Internet de las Cosas (IoT). Big data es un término amplio y en evolución para una gran cantidad de conjuntos de datos. Los datos podrían ser estructurados, semiestructurados o no estructurados.

El análisis del Big Data es el proceso de analizar el Big Data para identificar patrones ocultos, tendencias populares, correlaciones únicas y otra información crítica y útil. Por ejemplo, una empresa de comercio electrónico aplicará análisis de Big Data para investigar el comportamiento y la mentalidad de los clientes o consumidores, y los patrones de compra. Si bien el Big Data tiene que ver con los datos, los patrones (o tendencias), las percepciones e impactos, Internet de las Cosas se trata de datos, dispositivos y conectividad.

Cursos recomendados en línea para Data Science y Big Data Analytics en Espàña:

Cursos recomendados en línea para Data Science y Big Data Analytics en EEUU y Canada:


¿Qué es el Internet de las Cosas-Internet of Things (IoT)?


El Internet de las Cosas (IoT) es la interconexión de dispositivos físicos (también denominados dispositivos conectados o dispositivos inteligentes), vehículos, edificios y otros objetos (que pueden ser dispositivos portátiles inteligentes, dispositivos de diagnóstico, aparatos de cocina, etc.) integrados con componentes electrónicos, software, sensores, actuadores y conectividad de red que permite a estos 'objetos inteligentes' recopilar e intercambiar datos. En otras palabras, el Internet de las Cosas es una infraestructura global para la sociedad de la información. El IoT permite servicios avanzados interconectando (físicos y virtuales) cosas basadas en las tecnologías de la información y comunicación interoperables existentes y en evolución.

Por ejemplo, el refrigerador inteligente en su cocina (en el hogar) puede enviarle una alerta (o notificación) a su teléfono inteligente (mientras se va de la oficina) cuando no tenga leche o gasolina para su coche. Su wearable o smartwatch puede advertirle si hay algún problema con su pulso o frecuencia cardíaca. Además, toda esta información se registra. Más tarde, el software después de ver los datos puede proporcionarle información como: es probable que consuma leche el miércoles, se quede sin gasolina en dos semanas o que tenga probabilidades de sufrir un ataque cardíaco en tres meses (por lo tanto, es hora de realizar un control y tomar precauciones).

Dado que la idea de los dispositivos de red y otros objetos es personalizada y confidencial, la seguridad es una gran preocupación. La seguridad del IoT entra en juego aquí. La seguridad del IoT es el área de esfuerzo relacionada con la protección de los dispositivos conectados y las redes en el Internet de las Cosas. El IoT se está expandiendo a un ritmo exponencial. Al igual que el Big Data, el IoT está creando nuevas oportunidades y brindando una ventaja competitiva para las empresas en los mercados actuales y nuevos. El Internet of Things (IoT) es un ecosistema de complejidad cada vez mayor. Es la próxima ola de la innovación que humaniza cada objeto en nuestra vida, y es el próximo nivel de automatización para cada objeto que utilizamos. Sigue agregando cada vez más dispositivos al pliegue digital todos los días para mejorar el proceso y el crecimiento. Toca todo, no solo los datos, sino cómo, cuándo, dónde y por qué los recolectas. Una de las formas de ver el IoT es como los bloques múltiples, como objetos conectados, las puertas de enlace, los servicios de red y los servicios en la nube. Como se mencionó anteriormente, la seguridad es de suma importancia.


La Tecnología Blockchain


Los ecosistemas actuales del IoT dependen de modelos de comunicación centralizados. Todos los dispositivos están identificados, autenticados y conectados a servidores en la nube que tienen enormes capacidades de procesamiento y almacenamiento. La conexión entre dispositivos debe pasar por Internet. Un enfoque descentralizado de la red IoT resolvería muchos de los problemas de seguridad.

Aquí llega la tecnología Blockchain. Blockchain es una base de datos que mantiene un conjunto de registros de datos en continuo crecimiento. Se distribuye en la naturaleza; no hay una computadora principal que sostenga toda la cadena. En cambio, los nodos participantes tienen una copia de la cadena. También es cada vez mayor: los registros de datos solo se agregan a la cadena. Blockchain es público. Entonces, todos los participantes pueden ver los bloques y las transacciones almacenadas en la base de datos. Sin embargo, está protegido por una clave privada.

La tecnología Blockchain se considera como el eslabón perdido para tratar problemas de escalabilidad, seguridad y confiabilidad del IoT. La tecnología del Blockchain se puede utilizar en el seguimiento de miles de millones de dispositivos conectados, permite el procesamiento de transacciones y la coordinación entre dispositivos; permitir ahorros significativos para la industria del IoT. Según los expertos, el enfoque descentralizado eliminaría los puntos únicos de falla, creando un ecosistema más resistente para que los dispositivos funcionen. Los algoritmos criptográficos utilizados por la tecnología blockchain podrían hacer que los datos de los consumidores sean más privados. Una de las aplicaciones populares de la tecnología blockchain es el Bitcoin y las Cryptocurrencies. Sin embargo, hay varias otras aplicaciones de la tecnología blockchain más allá de las criptomonedas y los servicios financieros.


Cursos recomendados en línea para Blockchain en Espàña:


Artículos relacionados: 

¿Qué es la Inteligencia Artificial? Aplicaciones de la Inteligencia Artificial en el Marketing
¿Qué es el Internet de las Cosas (IoT)? 

http://www.bluehost.com/track/eduarea1/

 

domingo, 9 de abril de 2017

¿Qué es el Internet de las Cosas (IoT)?

Es probable que haya oído la frase el 'Internet de las cosas' - o IoT - en algún momento, pero también podría estar rascandose la cabeza averiguando lo que es o lo que significa.

                                                                    

El IoT se refiere a la conexión de dispositivos (que no sean dispositivos típicos, como computadoras y teléfonos inteligentes) a Internet. Coches, electrodomésticos de cocina, e incluso monitores de corazón pueden estar conectados a través del IoT. Y como el Internet de las Cosas crecerá en los próximos años, más dispositivos se unirán a esa lista.

Hemos compilado una guía para principiantes del IoT para ayudarle a navegar por el mundo cada vez más conectado.

Términos y Definiciones Básicas


A continuación, hemos proporcionado un glosario que define el Internet de las Cosas:
  • Internet de las Cosas (Internet of Things): Una red de objetos conectados a Internet capaces de recopilar e intercambiar datos utilizando sensores incorporados.
  • Dispositivo de Internet de las Cosas: Cualquier dispositivo autónomo conectado a Internet que pueda ser controlado y / o controlado desde una ubicación remota.
  • Ecosistema dde Internet de las cosas: Todos los componentes que permiten a las empresas, gobiernos y consumidores conectarse a sus dispositivos IoT, incluyendo mandos, cuadros de mando, redes, gateways, análisis, almacenamiento de datos y seguridad.
  • Entidad: Incluye negocios, gobiernos y consumidores.
  • Capa física: El hardware que hace un dispositivo IoT, incluyendo sensores y equipo de red.
  • Capa de red: Responsable de transmitir los datos coleccionados por la capa física a dispositivos diferentes.
  • Capa de aplicación: Esta incluye los protocolos e interfaces que los dispositivos usan para identificarse y comunicar el uno con el otro.
  • Mandos a distancia: Habilitan entidades que utilizan dispositivos IoT para conectarse y controlarlos mediante un panel de control, como una aplicación móvil. Incluyen teléfonos inteligentes, tablets, PCs, smartwatches, televisores conectados y controles remotos no tradicionales.
  • Tablero de instrumentos: Muestra información sobre el ecosistema de IoT a los usuarios y les permite controlar su ecosistema de IoT. Generalmente está alojado en un mando a distancia.
  • Analitica: Sistemas de software que analizan los datos generados por los dispositivos IoT. El análisis se puede utilizar para una variedad de escenarios, como el mantenimiento predictivo.
  • Almacenamiento de datos: Donde se almacenan los datos de los dispositivos IoT.
  • Redes: La capa de comunicación de internet que permite a la entidad para comunicarse con su dispositivo y a veces permite a los dispositivos comunicarse entre sí.

Predicciones, Tendencias y Mercado del IOT


BI Intelligence, el servicio premium de investigación de Business Insider espera que habrá más de 24 mil millones de dispositivos IoT en el mundo para 2020. Eso es aproximadamente cuatro dispositivos por cada ser humano en el planeta.

Y a medida que nos acercamos a ese punto, $ 6 mil millones fluirán hacia soluciones IoT, incluyendo el desarrollo de aplicaciones, el hardware de dispositivos, la integración de sistemas, el almacenamiento de datos, la seguridad y la conectividad. Pero eso será un dinero bien gastado, ya que esas inversiones generarán $ 13 billones en 2025.

¿Quién va a cosechar estos beneficios? Hay tres entidades principales que utilizarán los ecosistemas IoT: los consumidores, los gobiernos y las empresas. Para obtener más detalles, consulte la sección de Industrias a continuación.

Industrias IoT


Varios entornos dentro de los tres grupos de consumidores, gobiernos y ecosistemas se beneficiarán de la IOT. Estos incluyen:

Manufactura Transporte Defensa Agricultura
Infrastructura Venta al por menor Logística Bancos
Petróleo, gas y minería Seguros Casas Conectadas Servicios de comidas
Utililidades Hospitales Salud Edificios inteligentes

 

Compañias IoT 


Hay literalmente cientos de empresas vinculadas a Internet de las cosas, y sólo debería ampliar la lista en los próximos años.  Éstos son algunos de los principales actores que han destacado en el IoT:


Honeywell (HON) Hitachi T-Mobile (TMUS) Comcast (CMCSA)
GE (GE) AT&T (T) Cisco (CSCO) IBM (IBM)
Amazon (AMZN) Skyworks (SWKS) Apple (AAPL) Sierra Wireless (SWIR)
Google (GOOGL) Iridium Communications (IRDM) Ambarella (AMBA) ARM Holdings (ARMH)
Texas Instruments (TXN) PTC (PTC) Fitbit (FIT) ORBCOMM (ORBC)
Garmin (GRMN) Blackrock (BLK) InvenSense (INVN) Microsoft (MSFT)
Control4 (CTRL) Silicon Laboratories (SLAB) CalAmp (CAMP) LogMeIn (LOGM)
InterDigital (IDCC) Ruckus Wireless (RKUS) Linear Technology (LLTC) Red Hat (RHT)
Nimble Storage (NMBL) Silver Spring Networks (SSNI) Zebra Technologies (ZBRA) Arrow Electronics (ARW)

 

Plataformas IoT 


Un dispositivo de Internet se conecta a otro para transmitir información mediante protocolos de transferencia de Internet. Las plataformas IoT sirven como puente entre los sensores de los dispositivos y las redes de datos.

Las siguientes son algunas de las mejores plataformas de IoT en el mercado de hoy en día:
  • Amazon Web Services
  • Microsoft Azure
  • ThingWorx IoT Platform
  • IBM's Watson
  • Cisco IoT Cloud Connect
  • Salesforce IoT Cloud
  • Oracle Integrated Cloud
  • GE Predix

Seguridad / Privacidad del IoT


Los dispositivos se convierten en más conectados gracias al IoT, la seguridad y la privacidad se han convertido en la principal preocupación entre consumidores y empresas.  De hecho, la protección de los datos sensibles clasificados es la principal preocupación (en el 36% de los encuestados) entre las empresas, según el reporte de Vormetric de 2016.

Los ataques cibernéticos son también una amenaza creciente cuanto más dispositivos pop-up estén conectados en el mundo.  Los hackers podrían penetrar en coches conectados, infraestructuras críticas y hasta en los hogares.  Como resultado, varias empresas de tecnología se centran en la seguridad cibernética con el fin de garantizar la privacidad y la seguridad de todos estos datos.

Más que aprender


BI Intelligence ha elaborado un informe exhaustivo y detallado del Internet de las Cosas que es su recurso para todo lo que necesita saber acerca de la IoT.

El informe da una visión completa sobre el futuro del Internet de las Cosas, incluyendo las siguientes ideas del panorama:
  • Los dispositivos del IoT conectados a Internet serán más del triple de aquí al 2020, de 10 a 34 billones. Los dispositivos de Internet serán responsables de 24 billones, mientras que los dispositivos informáticos tradicionales (p. ej.los teléfonos inteligentes, tabletas, smartwatches, etcetera.) constará de 10 billones.
  • Casi $ 6 trillones se gastarán en soluciones de IoT en los próximos cinco años.
  • Las empresas serán las principales adoptadoras de las soluciones IoT, porque utilizarán el IoT para: 1) reducir los costos operativos; 2) aumentar la productividad; y 3) expandirse a nuevos mercados o desarrollar nuevas ofertas de productos.
  • Los gobiernos serán los segundos adoptantes más grandes, mientras que los consumidores serán el grupo menos adoptante por el IOT.
Y cuando profundiza en el informe, obtendrá toda la historia en una presentación clara y no sin sentido:
  • La compleja infraestructura del Internet de las Cosas destilada en un solo ecosistema
  • La descomposición más completa de los beneficios e inconvenientes de las redes de malla (por ejemplo ZigBee, Z-Wave, etc.), teléfono (por ejemplo, 3G / 4G, Sigfox, etc.) e Internet (por ejemplo, Wi-Fi, Ethernet, etc.)
  • El papel importante que desempeñarán los sistemas analíticos, incluyendo el análisis Edge (Edge Analytics es un enfoque para la recopilación y análisis de datos en el que se realiza un cálculo analítico automatizado de los datos en un sensor, un conmutador de red u otro dispositivo en lugar de esperar a que los datos se devuelvan a un almacén de datos centralizado), analítica en la nube, para aprovechar al máximo las inversiones de IoT
  • Los desafíos de seguridad considerables presentados por el IoT y cómo se pueden superar
  • Las cuatro potentes fuerzas que impulsan la innovación del IoT, además de las cuatro barreras de mercado difíciles para la adopción del IoT
  • El análisis completo de la probable inversión futura en la infraestructura crítica del IoT: conectividad, seguridad, almacenamiento de datos, integración de sistemas, hardware de dispositivos y desarrollo de aplicaciones.
  • El análisis en profundidad de cómo el ecosistema del IoT cambiará e interrumpirá 16 industrias diferentes
Para obtener su copia de esta valiosa guía para el universo IoT, elija una de estas opciones:
  1. Suscríbase a una membresía de ALL-ACCESS con BI Intelligence y obtenga acceso inmediato a este informe y más de 100 otros informes de gran profundidad y altamente investigados, con suscripciones a todos sus boletines (en Inglés) diarios y mucho más; COMENZAR UNA MEMBRESÍA
  2. El informe (en Inglés) para comprar y descargar inmediatamente en la tienda de investigación. COMPRE EL INFORME
La elección es suya. Pero sin embargo si decide adquirir este informe, se ha dado a sí mismo una poderosa ventaja en su comprensión del mundo de rápido movimiento del IoT.

                       
                       
                       

                    


Artículos relacionados:

miércoles, 8 de marzo de 2017

2017: Regreso al futuro con la Inteligencia Artificial y los Grandes Datos (Big Data)

A.I. Artificial Intelligence (album)
A.I. Artificial Intelligence (album) (Photo credit: Wikipedia)
A medida que avanzamos en 2017 y la mayoría de nosotros todavía estamos recuperando de la fiesta de Navidad, quiero pasar a lo largo de algunas áreas de enfoque para los gurús de datos en 2017. Estoy proporcionado algunas ideas de los analistas de la industria (Gartner, Forrester), Venture Capitalists, y las compañías de software multimillonarias que están impulsando la próxima ola de datos y análisis, como IBM, Microsoft y Amazon.


Edge Computing


El Edge Computing es una arquitectura distribuida de tecnología de la información (IT) en la que los datos del cliente se procesan en la periferia de la red, lo más cerca posible de la fuente de origen. El movimiento hacia la computación de borde es impulsado por la computación móvil, la disminución del costo de los componentes de la computadora y el gran número de dispositivos en red en el Internet de las cosas (IoT). Dependiendo de la implementación, los datos sensibles al tiempo en una arquitectura de cálculo de borde pueden ser procesados ​​en el punto de origen por un dispositivo inteligente o enviados a un servidor intermediario situado en proximidad geográfica cercana al cliente. Los datos que son menos sensibles al tiempo se envían a la nube para los análisis históricos, análisis de datos grandes (Big Data) y almacenamiento a largo plazo.

Como Inversor / VC, señaló Peter Levine, Edge Computing va a ser mainstream (cultura de masas) en un plazo muy corto. He aquí un breve resumen del ciclo de vida:

  •  El Mainframe marcó la era de la informática centralizada.
  • A continuación, los ordenadores personales (PCs) se hicieron cargo de la descentralización de los datos y la toma de decisiones.
  • La computación en nube se convirtió en la corriente principal, permitiendo capacidades simplificadas y centralizadas para los usuarios no técnicos para procesar datos complejos en la toma de decisiones empresariales.
  • La próxima generación serían dispositivos descentralizados (Inteligencia Artificial) que toman decisiones automáticamente o como Levine llama 'Data Center on Wheels'

La cantidad de datos que se recogen en los dispositivos de procesamiento complejos, como automóviles autodirigidos (Tesla y Uber) a dispositivos simples como zapatos y relojes, permitirá que los dispositivos piensen por su cuenta y sólo permitan a los seres humanos escoger las opciones.


Inteligencia Artificial


El lanzamiento de Home de Google, Alexa de Amazon y Cortana de Microsoft revela la inversión y la importancia de la IA y muestra el futuro del procesamiento de lenguaje natural (PNL). Mientras estaba revisando mis actividades de PNL en Google, me di cuenta de que si los datos se recopilan correctamente y se analizan, la IA puede ayudar en muchos aspectos diferentes de mi vida cotidiana personal como reuniones y citas, horarios de vuelo, fechas importantes como aniversarios y cumpleaños, y mucho más. Mientras que esto puede sonar asustadizo y rompa las leyes del aislamiento para mucha gente, para los millennials esto es apenas la manera natural de la vida.

Si Alexa puede provocar un algoritmo de búsqueda basado en una queja del cliente, identificar un modelo, y generar un orden de trabajo para un producto que se hace fabricado al por mayor, todos dentro del ecosistema AWS, las organizaciones pueden ganar beneficios financieros significativos junto con la lealtad de cliente reforzada. Si las organizaciones pueden conseguir todos estos datos del cliente, los nuevos modelos comerciales evolucionarán como el lanzamiento de campañas de mercadotecnia de B2C. Este también preparará el terreno para nuevos modelos comerciales que no poseen su propia mercancía, similar a Uber y Airbnb. Además, estos casos de uso proporcionarán oportunidades de modelos de proceso evolutivos de la transformación digital.


Internet de Todo (IoET)


Gartner predijo el futuro del IoT aquí. Los sensores conectarán millones de dispositivos peer to peer que proporcionarán muchas oportunidades para la próxima década de la informática (Levine, 2016). A medida que el procesamiento y la potencia de la computación disminuyan y la potencia aumente, el análisis de los datos del sensor en esta cadena de suministro será fácil de usar. Esto también proporcionará un mercado nuevo e interesante para los proveedores de servicios de TI para crear propiedades intelectuales específicas para una industria como la venta al por menor y la asistencia sanitaria. A medida que surgen nuevas amenazas de seguridad con IoET, los nuevos modelos de seguridad y gobernanza se adherirán a los riesgos y al cumplimiento. El análisis en tiempo real de secuencias y análisis de patrones creará decenas y miles de patrones de decisión en milisegundos.


 Analítica Big Data 


2017 será un año de mudarse al Big Data en la nube con tecnologías como AWS, Azure y Snowflake. Además, la analítica y la ciencia de datos de datos no estructurados se convertirá en corriente principal con estimaciones de gasto de casi $ 28 mil millones en 2019 (Informe IDC). Las pequeñas y medianas empresas que quieren aprovechar los datos no estructurados, y algunas grandes empresas que no quieren gastar en centros de datos, se moverán a un modelo basado en la suscripción. Además, la escalabilidad elástica con NO y NEW SQL aumentará rápidamente en 2017 con empresas pequeñas y medianas.


Democratización de los datos


Gartner prevé una oleada de herramientas de descubrimiento de datos para el 2017 con capacidades inteligentes de descubrimiento de datos para expandir el horizonte del BI de autoservicio y el análisis interactivo. A medida que la detección de patrones de datos estructurados y no estructurados se está convirtiendo en un componente crítico para el benchmarking, el marketing y el análisis de la competencia, los usuarios que tradicionalmente dependen de TI para construir análisis buscarán herramientas de descubrimiento de datos para crear sus propios algoritmos de detección de patrones. Además, los medios de comunicación social como Twitter y Facebook, y los datos comparativos como los data.com, clinicaltrials.gov y otras APIs abiertas de datos proporcionarán datos que se utilizarán para el análisis de mercado y crearán nuevos modelos de negocio bajo demanda.

La democratización también desempeñará un papel en la gestión de proyectos y el software. Durante décadas, la gestión de los proyectos ágiles se han centrado en la construcción del IU y el prototipado. Sin embargo, dado que la mayoría de las herramientas de datos incluyen opciones de interfaz de usuario fáciles de usar en la nube, el análisis ágil de los datos y la creación de prototipos tendrán un impacto agresivo en los plazos. Además, el círculo vicioso de los requisitos para la liberación se reducirá a días en lugar de semanas. Esto permitirá un mayor tiempo para valorar con un montón de puertas de escenario para evitar problemas de financiación y la inversión innecesaria.


Data Science


Uno de los más calientes y más citados conjuntos de habilidades para puestos de trabajo en LinkedIn fue el 'Data Science' en 2016. Esta tendencia sólo seguirá aumentando en 2017 a medida que el mundo avanza hacia la programación centrada en datos. Sin embargo, además de la ciencia de datos, habilidades blandas como la creatividad, la visualización, la presentación y la comunicación se convertirán en habilidades obligatorias que se enseñarán en las universidades, además de habilidades comunes como Hadoop, Spark, R y Python. Mientras que las máquinas nunca pueden reemplazar a los seres humanos, las máquinas pueden complementar la redistribución del trabajo humano con un enfoque en la toma de decisiones efectivas basadas en datos. Estoy buscando un gran 2017 y un emocionante año nuevo para la Inteligencia Artificial y el Big Data.

Articulos relacionados:

El Camino de un Data Scientist
Cloud Computing+Web Semántica+Datos Abiertos (III): Linked Data Cloud
El Papel de un Data Scientist Requiere de un Análisis Predictivo, Dice un Experto