Proyectos Desarrollados

Creando una cultura de innovación

Salud

health1

Crear un modelo de Deep Learning que mediante imágenes de lesiones cutáneas pueda detectar el tipo de cáncer de piel entre los 7 tipos posibles.
● Poner el modelo a producción:
1. Dispositivos físicos como escáneres y dermatoscópios electrónicos que puedan utilizar este modelo para clasificar el tipo de cáncer de piel con mayor precisión
2. Aplicaciones móviles con el modelo integrado

Alcance:
● Solo se tomarán en cuenta los 7 tipos de lesiones cutáneas explicados
● No se busca sustituir a los médicos especializados solo se busca identificar el caso más
probable de cáncer de piel. En ningún caso la predicción realizada por el modelo podrá
sustituir al diagnostico medico
● Se pretende que el producto resultante sea utilizado como una herramienta médica, o
esté disponible para las personas con afecciones en la piel en la manera de una aplicación
móvil

El Algoritmo
Para la detección del tipo de cáncer de piel se utilizó el dataset
“Skin Cancer MNIST: HAM10000” que cuenta con
10.000 imágenes y clasifica a las distintas lesiones de piel de la
siguiente forma:
1. Carcinoma basocelular (bcc)
2. Carcinoma intraepitelial y Queratosis actínica / enfermedad de
Bowen (akc)
3. Melanoma (mel)
4. Lesiones similares a la queratosis benigna (lentigos solares /
queratosis seborreica y liquen plano como la queratosis, bkl)
5. lesiones vasculares, angiomas, angioqueratomas, granulomas
piógenos y hemorragia, (vasc)
6. dermatofibroma (df )
7. nevus melanocíticos (nv)

algo

El Algoritmo
● Se obtuvo en el entrenamiento una precisión de 68.83%
● Una precisión de validación de un 57.97%
● Y una precisión en el testeo de 59.23%
● Esto para un entrenamiento simple
● Estas precisiones pueden incrementarse significativamente con una
mejor arquitectura de entrenamiento, técnicas de data aumentation para
elevar el volumen del dataset y mejorando la calidad de las imágenes
utilizando técnicas de captura más sofisticadas.

Finanzas

finanzas

Utilizando algoritmos basados en Inteligencia Artificial se busca predecir si un cliente de na entidad financiera se le va a otorgar o no un crédito basándonos en:

• Patrones de comportamiento

• Conociendo su voluntad de pago

• La morosidad

• Otras características comunes obtenidas en test.

graf

Con nuestros algoritmos podremos reducir costos de operación, ofrecer una mejor experiencia al usuario además, predecir escenarios a fin de prevenir y medir riesgos latentes.

Usando algoritmos basado en machine learning e inteligencia artificial:

Predecir donde hacen compras, tipos de comidas consumen, cada cuanto realizan ciertas compras, se hacen tendencia y se hace gestión de riesgos. Patrones de comportamiento
través del estudio de redes sociales. Reducción de costos de operación y mejorar la experiencia del usuario. Aumentar la rentabilidad y eficiencia del proceso.

Salud

bot

Automatic diagnosis using AI
(natural language processing), in
less than 2 minutes.
Trained with answers from
specialist doctors around the world

Why Lisa?
Reliable automatic diagnosis of diseases.
Accessible for all people
Easy to use
24 h – 365 days
More than one diagnosis at a time

Reliable automatic diagnosis of diseases and
psychological disorders
● Based on questions and answers of 900,000 questions
and answers
● Natural language processing
● Supervise and unsupervised learning
● Using gpt-2 algoritm of OpenAI

lisa

Transporte

transporte boot

El objetivo de este proyecto es aplicar algoritmos de Machine Learning para predecir la tarifa de taxis y demanda de pasajeros.

Con esto de podra:

  • MEJOR DISTRIBUCIÓN DE LAS UNIDADES DE TAXI EN LA CIUDAD
  • MEJOR ATENCIÓN AL CLIENTE EN HORAS PICO
  • AHORROS EN TIEMPO, DINERO, COMBUSTIBLEMAXIMIZAR INGRESOS
transp2