Tag: Inteligencia Artificial

netprice-retail-bg

El proceso de  Product Matching consiste en relacionar para distintas fuentes en Internet aquellos productos que son el mismo. Esto, que puede parecer una tarea trivial, no es así debido a que para un mismo producto, en cada web, lo pueden nombrar de diferente forma. Para profundizar en el concepto, te aconsejamos que leas este post donde exponemos algunos ejemplos.

Actualmente, en el sector retail se venden miles de millones de productos online y existen numerosas plataformas e-commerce que los venden ademas de las web de fabricantes de productos. Identificar y combinar determinados productos para diversos fines, como para la comparación de precios, se convierte en un desafío para el sector, ya que no existen identificadores globales y únicos para cada uno de los productos. En este punto es donde entra en juego la Inteligencia Artificial y el Machine Learning para el proceso de Product Matching Inteligente.

Antes de profundizar, un breve aspecto a tener en cuenta relacionado con lo anterior es que tanto el nombre del producto como su descripción no poseen una estandarizacón. Cada fabricantes y/o tienda online incluyen los datos de marca, titulo y descripción del producto en su página web de distinta forma para un mismo producto. También, las imágenes que se muestran del producto tampoco tienen un formato estandar y pueden aparecer con diferente perspectiva, color, claridad, etc. Sin embargo, no podemos negar que sí existen identificadores generalizados para algunos productos como puede ser las pulgadas de un televisor o los mililitros de una colonia, pero es posible que según el portal de venta online no lo mencionen, lo incluyan en el titulo del producto o lo incluyan en la descripción.

Una solución a este problema podría ser que una persona de forma manual visite las diferentes tiendas online y verifique que éstas coinciden con los mismos productos aunque sean nombrados y descritos de forma diferente. Pero claro, esta labor manual puede llegar a ser inviable para muchas tiendas online o fabricantes de productos que quieran tener control de precios de cientos o miles de productos ya que el coste sería muy elevado. En este punto es donde entra en juego la Inteligencia Artificial y el Machine Learning para automatizar el proceso de Product Matching Inteligente -de ahí su nombre-.

Product Matching Inteligente: optimización y automatización en el sector retail

Inicialmente, en las soluciones de Machine Learning para la coincidencia de productos, el proveedor de soluciones tiene que construir primero una base de datos de miles de millones de productos. Esto se hace mediante la recopilación de información a través de rastreos web y feeds (crawlers).

Una vez se tiene la base de datos, se realiza el proceso de Product Matching. Un producto puede identificarse utilizando su título, su descripción, imágenes y lista de atributos o especificaciones. En muchos casos, el título del producto en sí mismo proporcionará mucha información y el sistema tiene que aprender a ordenar el nombre del producto (por ejemplo, el modelo de marca) de los atributos (ml, hombre/mujer, perfume/eau de toilette, etc). Toda esta información debe extraerse, clasificarse y colocarse en las categorías apropiadas: tipo de perfume, hombre o mujer, tamaño en mililitros, versión, etc.

netretail-monitorizacion precios-retail

Para cada comparación, el sistema pasa por muchos pasos y verificaciones. Se busca un número de identificación único (por ejemplo, EAN), una prueba de similitudes de palabras clave, normalización de marca y coincidencia (por ejemplo, DG es lo mismo que Dolce and Gabbana), normalización de atributo y coincidencia (100 ml es lo mismo que 100 mililitros, coincidencia de imágenes, etc)

Todo esto es un proceso complicado, y existen diferentes soluciones Product Matching que se pueden emplear con diferentes técnicas pero la ventaja es que las redes neuronales y los sistemas de Product Matching aprenden con el tiempo, incluso de sus errores, y así mejoran con cada uso.

Por otro lado, el procesamiento de las imágenes de productos puede proporcionarnos información relevante que no aparece reflejado en el titulo y/o descripción del producto. En la siguiente imagen, podemos ver cómo detectar un mismo producto (ej. Nata Pascual) en dos supermercados diferentes (supermercado A, supermercado B). En el supermercado B tenemos dos productos de Nata Pascual y queremos ver cuál de los dos hace «match» con el supermercado A.

PRODUCT MATCHING Ejemplo imagenes

Si atendemos únicamente a las taxonomías de la descripción, ambos productos del supermercado B coinciden, en parte, con la descripción del producto del supermercado A. Sin embargo, ayudándonos de la imagen en lugar de la descripción se detecta cual de los dos productos del supermercado B coincide con el del supermercado A. Detectar este tipo de “anomalías” es bastante complicado, sin embargo, la herramienta netRetail de ITELLIGENT a través de técnicas de Deep Learning detecta este tipo de diferencias en imágenes para aportar una mayor optimización al sistema de Product Matching Inteligente.

El sistema automatizado de Product Matching inteligente desarrollado por ITELLIGENT es una de las funcionalidades que posee netRetail. Esta herramienta de monitorización de precios en el sector retail permite enlazar tu catálogo de productos con los de tu competencia a través de técnicas de Inteligencia Artificial y Machine Learning para asegurar la correcta analítica de precios. netRetail es una plataforma enfocada tanto para webs ecommerce como para fabricantes de productos de venta online. En este sentido:

  • Si eres propietario de una web de venta online y tu objetivo es garantizar que los productos de tu web sean competitivos frente a otras webs, netRetail es tu solución inteligente para monitorizar los precios de tu web frente a webs competidoras.
  • Si eres fabricante de producto y necesitas averiguar el posicionamiento de tu producto frente a la competencia, netRetail es tu solución más inteligente para la monitorización de tus precios frente a los precios de tu competencia.

esquema netprice retail v04

Quiero saber más sobre netRetail

  1. ALGORITMO.  En Ciencias de la Computación, un algoritmo es un conjunto de pasos para realizar una tarea. En otras palabras, una secuencia lógica  y con instrucciones que forman una fórmula matemática o estadística para realizar el análisis de datos.
  2. ANÁLISIS DE SENTIMIENTO. El análisis de sentimiento se refiere a los diferentes métodos de lingüística computacional que ayudan a identificar y extraer información subjetiva del contenido existente en el mundo digital. Gracias al análisis del sentimiento, podemos ser capaces de extraer un valor tangible y directo, como puede ser determinar si un texto extraído de la red Internet contiene connotaciones positivas o negativas.
  3. ANÁLISIS PREDICTIVO. El análisis predictivo pertenece al área de la Analítica Empresarial. Se trata de utilizar los datos para determinar que puede pasar en el futuro. La AP permite determinar la probabilidad asociada a eventos futuros a partir del análisis de la información disponible (presente y pasada). También permite descubrir relaciones entre los datos que normalmente no es detectada con un análisis menos sofisticado. Técnicas como la minería de datos (data mining) y los modelos predictivos son utilizados.
  4. ANALÍTICA EMPRESARIAL. La Analítica Empresarial comprende los métodos y las técnicas que se utilizan para recopilar, analizar e investigar el conjunto de datos de una organización, lo cual genera conocimiento que se transforma en oportunidades de negocio y mejora la estrategia empresarial. AE permite una mejora en la toma de decisiones ya que éstas se basan en la obtención de datos reales y tiempo real y permite conseguir objetivos empresariales a partir del análisis de estos datos.
  5. BIG DATA.  Actualmente nos encontramos en un entorno en el que cada día se generan trillones de bytes de información. A esta enorme cantidad de datos producidos día a día, la denominamos Big Data. El crecimiento de los datos provocados en Internet y otras áreas (Ej. Genómica) hacen necesarias nuevas técnicas para poder acceder y utilizar estos datos. Al mismo tiempo estos grandes volúmenes de datos ofrecen nuevas posibilidades de conocimiento y nuevos modelos de negocio. En particular, en Internet, este crecimiento comienza con la multiplicación en el número de webs comenzando los buscadores (ej. Google) a buscar nuevas formas de almacenar y acceder a estos grandes volúmenes de datos. Esta tendencia (blogs, redes sociales, IoT …) está provocando la aparición de nuevas herramientas de Big Data y la generalización de su uso.
  6. BUSINESS ANALYTICS (Analítica Empresarial). La Analítica Empresarial o Business Analytics permite conseguir los objetivos empresariales, a partir del análisis de datos. Básicamente permite detectar tendencias y realizar pronósticos a partir de modelos predictivos y utilizar estos modelos para optimizar los procesos de negocio.
  7. BUSINESS INTELLIGENCE (Inteligencia de Negocio). Otro concepto relacionado con la AE es la Inteligencia Empresarial (IE) centrada en el uso de los datos de una empresa para facilitar también la toma de decisiones y anticipar acciones empresariales. La diferencia con la AE es que la IE es un concepto más amplio, no solo se centra en el análisis de datos sino que éste es un área dentro de la IE. Es decir, la IE se trata de un conjunto de estrategias, aplicaciones, datos, tecnología y arquitectura técnica entre las que se encuentra la AE; y todo ello, enfocado a la creación de nuevo conocimiento a través de los datos existentes de la empresa
  8. DATA MINING o minería de datos. Data Mining (minería de datos) es también conocida como Knowledge Discovery in database (KDD). Es comúnmente definida como el proceso para descubrir patrones útiles o conocimientos a partir de fuentes de datos tales como Bases de Datos, textos, imágenes, la web, etc.  Los patrones deben ser válidos, potencialmente útiles y entendibles. La minería de datos es un campo multidisciplinar que incluye: aprendizaje automático, estadísticas, sistemas de base de datos, inteligencia artificial, Information Retrieval, visualización de la información, … El objetivo general del proceso de minería de datos consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior.
  9. DATA SCIENCE. La oportunidad que los datos ofrecen para generar nuevo conocimiento requiere de técnicas sofisticadas de preparación de estos datos (estructuración) y análisis de los mismos. Así en Internet, sistemas de recomendación, traducción automática y otros sistemas de Inteligencia Artificial se basan en técnicas de Data Science o Ciencia de datos.
  10. DATA SCIENTIST. El data scientist, como su propio nombre indica, es un experto en la Ciencia de Datos (Data Science). Su trabajo se centra en extraer conocimiento a partir de grandes volúmenes de datos (Big Data) extraídos de diversas fuentes y múltiples formatos para dar respuesta a las cuestiones que se planteen.
  11. DEEP LEARNING o aprendizaje profundo es una técnica dentro del machine learning basado en arquitecturas neuronales. Un modelo basado en deep learning puede aprender a realizar tareas de clasificación directamente a partir de imágenes, texto o sonido, etc. Sin necesidad de intervención humana para la selección de características, esto se puede considera la principal característica y ventaja del deep learning, llamada “feature discovering”. Pueden, además, poseer una precisión que supera al ser humano.
  12. GEOMARKETING. El análisis conjunto de los datos demográficos, económicos y geográficos posibilita estudios de mercado para rentabilizar las estrategias de marketing. El análisis de este tipo de datos se puede llevar a cabo a través del Geomarketing. Tal como su propio nombre indica, Geomarketing es una confluencia entre geografía y marketing. Se trata de un sistema integrado de información -datos de diversa índole-, métodos estadísticos y representaciones gráficas orientados a dar respuestas a cuestiones de marketing de forma rápida y sencilla.
  13. INTELIGENCIA ARTIFICIAL. En computación se trata de programas o bots diseñados para realizar determinadas operaciones que se consideran propias de la inteligencia humana. Se trata de hacer que éstos sean tan inteligentes como un humano. La idea es que perciban su entorno y actúen en base a ello, centrado en el auto-aprendizaje, sean capaces  de reaccionar ante nuevas situaciones.
  14. INTELIGENCIA ELECTORAL. Este nuevo término “Inteligencia Electoral (IE)” es la adaptación de modelos matemáticos y de Inteligencia Artificial a las peculiaridades de una campaña electoral. El objetivo de esta inteligencia es la obtención de una ventaja competitiva en los procesos electorales, ¿sabes cómo funciona?
  15. INTERNET OF THINGS (IoT). Este concepto, Internet de las Cosas, fue creado por Kevin Ashton y hace referencia al ecosistema en el que los objetos cotidianos están interconectados a través de Internet.
  16. MACHIEN LEARNIN (Aprendizaje automático). Este término hace referencia a la creación de sistemas a través de la Inteligencia Artificial,  donde lo que realmente aprende es un algoritmo, el cual supervisa los datos con la intención de poder predecir comportamientos futuros.
  17. MINERÍA WEB. La minería web tiene como objeto descubrir información útil o el conocimiento (KNOWLEDGE) procedente de la estructura de hipervínculo web, contenido de la página y datos de usuario. Aunque la minería web utiliza muchas técnicas de minería de datos, no es meramente una aplicación de técnicas de minería de datos tradicionales, debido a la heterogeneidad y la naturaleza semi-estructurada o no estructurada de los datos de la web. La minería web o web mining comprende una serie de técnicas encaminadas a obtener inteligencia a partir de datos procedentes de la web. Aunque las técnicas utilizadas tienen su raíz en las técnicas de data mining o minería de datos, presentan características propias debido a las particularidades que presentan las páginas webs.
  18. OPEN DATA. El Open Data es una práctica que tiene la intención de disponer de unos tipos de datos de forma libre para todo el mundo, sin restricciones de derecho de autor, patentes u otros mecanismos. Su objetivo es que estos datos puedan ser consultados, redistribuidos y reutilizados libremente por cualquiera, respetando siempre la privacidad y seguridad de la información.
  19. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN). Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.
  20. PRODUCT MATCHING. El Product Matching es un área perteneciente a Data Matching o Record Linkage encargada de identificar automáticamente aquellas ofertas, productos o entidades en general, que aparecen en la web procedente de diversas fuentes, aparentemente de forma distinta e independiente, pero que hacen referencia a una misma entidad real. En otras palabras, el proceso de Product Matching consiste en relacionar para distintas fuentes aquellos productos que son el mismo.

coronavirus inteligencia artificial

Desde que el coronavirus (COVID-19) brotó en Wuhan (China) a finales de 2019, este virus gripal se ha ido extendiendo a lo largo de todo el mundo hasta llegar afectar a más de 180 mil personas en 100 países. Cuando China inició su respuesta al virus, se apoyó en su fuerte sector tecnológico y específicamente en la Inteligencia Artificial (IA) y el Data Science para rastrear y combatir la pandemia.

Hemos podido ver como en el corazón de la epidemia del coronavirus se ha ido desplegando todo tipo de tecnologías para luchar contra la enfermedad. Desde bots para desinfectar, drones con cámaras térmicas, cascos inteligentes o hasta software de reconocimiento facial. Por este motivo, os desglosamos un ranking de las 5 tecnologías más relevantes basadas en Inteligencia Artificial y Data Science empleadas en China para combatir el COVID-19.

1. Inteligencia Artifical para identificar, rastrear y pronosticar brotes

Cuanto mejor podamos rastrear el virus, mejor podremos combatirlo. Al analizar noticias, redes sociales y documentos gubernamentales, la Inteligencia Artificial (IA) puede aprender a detectar cuándo es posible que se genere un brote. El seguimiento de los riesgos de enfermedades infecciosas mediante el uso de IA, ha servido para advertir sobre la amenaza del virus varios días antes de que los Centros para el Control y la Prevención de Enfermedades o la Organización Mundial de la Salud emitieran sus advertencias públicas.

Asimismo, gracias a la Inteligencia Artificial ha sido posible que trabajadores de atención médica primaria hayan podido detectar y controlar la enfermedad de manera eficiente. Un ejemplo es el gigante chino de comercio electrónico Alibaba, que construyó un sistema de diagnóstico basado en IA para diagnosticar el virus en segundos y con un 96% de precisión.

2. Drones entregan suministros médicos

Una de las formas más seguras y rápidas de obtener suministros médicos allí  donde se necesita durante un brote epidémico es la entrega mediante drones. Empresas fabricantes de drones está utilizando sus vehículos aéreos no tripulados para transportar muestras médicas y material de cuarentena con un riesgo mínimo entre centros de  control sanitario y hospitales. También, se han utilizado  drones  para patrullar espacios públicos, rastrear el incumplimiento de los mandatos de la cuarentena y para capturar imágenes térmicas.

3. Los robots esterilizan, entregan suministros, entre otras tareas.

En China, empresas que han desarrollado tecnologías automatizadas o robots, han destinado estos productos para completar muchas tareas, como limpiar y esterilizar; y entregar alimentos o medicamentos, para reducir la cantidad de contacto entre personas. Algunos de estos robots utilizan luz ultravioleta para matar de forma autónoma bacterias y virus. En China, una empresa desplegó sus robots que generalmente los utilizaban en la industria de la restauración para dar  servicios de este tipo a más de 40 hospitales de todo el país.

Más allá de los robots y los drones, China también ha movilizado su sofisticado sistema de vigilancia para controlar a las personas infectadas y establecer las cuarentenas. Las cámaras de reconocimiento facial son comunes en China, y ahora las compañías están actualizando el software para escanear multitudes en busca de gente con fiebre o para identificar a las personas que no usan máscaras

4. Telas perfeccionadas para la protección

Empresas como la startup israelí Sonovia Tech esperan armar sistemas de salud y otros sectores con máscaras faciales hechas con un tejido antipatógeno y antibacteriano que se basa en nanopartículas de óxido de metal.

5. Inteligencia Artificial para identificar personas infectadas

Si bien es un uso controvertido de la tecnología y la Inteligencia Artificial, el sofisticado sistema de vigilancia de China utilizó tecnología de reconocimiento facial y software de detección de temperatura para identificar a las personas que podrían tener fiebre y tener más probabilidades de tener el virus.

Otra tecnología similar a los «cascos inteligentes» utilizados por los funcionarios de la provincia de Sichuan para identificar a las personas con fiebre. El gobierno chino también ha desarrollado un sistema de monitoreo llamado Código de Salud que utiliza grandes datos (big data) para identificar y evaluar el riesgo de cada individuo en función de su historial de viajes, cuánto tiempo han pasado en puntos críticos de virus y la posible exposición a las personas que portan el virus. A los ciudadanos se les asigna un código de color (rojo, amarillo o verde), al que pueden acceder a través de una app para indicar si deben ser puestos en cuarentena o permitidos en público.

En una pandemia global como COVID-19, la tecnología, la Inteligencia Artificial y la ciencia de datos se han vuelto críticas para ayudar a las sociedades a enfrentar el brote de manera efectiva.

Fuente: By Bernard Marr en Forbes (2020): «Coronavirus: How Artificial Intelligence, Data Science And Technology Is Used To Fight The Pandemic«