Inicio Blog Página 2290

Magistral transformación de una cocina setentera en estilo «vintage chic» con un presupuesto de solo 1500 euros

0
La asombrosa transformación de una cocina setentera que se convierte en una cocina de estilo "vintage chic" con un presupuesto ajustado (apenas 1500 euros)

En un vecindario tranquilo de Madrid, una familia ha logrado lo que muchos consideran casi imposible: transformar una cocina de la década de los setenta en una moderna y elegante cocina de estilo «vintage chic» con un presupuesto muy limitado. Con apenas 1500 euros, los propietarios han realizado una serie de reformas y cambios que han dejado sorprendidos tanto a vecinos como a expertos en diseño de interiores.

La cocina original, caracterizada por azulejos de colores apagados y muebles desgastados, era funcional pero poco atractiva. La familia, que siempre había sentido un amor especial por el diseño retro, decidió que era hora de darle una nueva vida a este espacio tan importante del hogar. El objetivo era crear una cocina que combinara elementos antiguos con toques contemporáneos, sin necesidad de gastar una fortuna.

Uno de los primeros pasos fue pintar los armarios de cocina. En lugar de reemplazarlos, optaron por lijarlos y aplicar una capa de pintura de tiza en un tono verde menta suave, lo que le dio un aire fresco y renovado. Los tiradores oxidados fueron sustituidos por otros de latón envejecido, adquiridos en un mercadillo local, logrando así un look retro sin ser opulento.

El siguiente desafío fue modernizar el suelo sin incurrir en grandes gastos. La solución vino en forma de baldosas vinílicas autoadhesivas con un patrón geométrico en blanco y negro, que no solo son asequibles sino también fáciles de instalar. Este cambio brindó un contraste fabuloso con los armarios verdes y agregó un toque de elegancia al espacio.

Los electrodomésticos, aunque no se reemplazaron en su totalidad, fueron objeto de un ingenioso «upcycling». El frigorífico antiguo fue cubierto con una lámina adhesiva que imita el acero inoxidable, y algunos electrodomésticos pequeños, como la tostadora y la cafetera, fueron pintados para combinar con la nueva paleta de colores.

Otra incorporación económica pero efectiva fue la utilización de estanterías abiertas. En lugar de añadir nuevos gabinetes costosos, la familia decidió instalar algunas baldas de madera reciclada, que no solo ofrecen una solución de almacenamiento práctica sino que también aportan calidez al diseño final.

Para culminar con el toque «chic», se añadió una lámpara colgante de estilo industrial y algunos elementos decorativos como plantas en macetas retro, tarros de vidrio para especias y un tablón de pizarra para anotar recetas y listas de la compra.

Según los propietarios, la clave del éxito radicó en la planificación cuidadosa y la búsqueda de alternativas creativas y económicas. «Queríamos demostrar que no es necesario gastar una gran cantidad de dinero para tener una cocina preciosa y funcional. Solo se necesita un poco de imaginación y mucho amor por el detalle», comentó Carmen, la matriarca de la familia.

La transformación ha generado una oleada de inspiración entre los vecinos, quienes ahora ven que es posible darle una nueva vida a los espacios antiguos sin arruinarse en el intento. Así, esta familia madrileña ha demostrado que con ingenio y dedicación, una cocina setentera puede convertirse en el corazón vintage chic de un hogar moderno.

Optimización de Modelos LLM en Amazon Bedrock: Ingeniería de Prompts Few-shot y Ajuste Fino

0
Few-shot prompt engineering and fine-tuning for LLMs in Amazon Bedrock

Los llamados de resultados de las empresas son eventos cruciales que brindan transparencia sobre la salud financiera y las perspectivas de una empresa. Estos informes detallan las finanzas de la empresa durante un período específico, incluyendo ingresos, ingresos netos, ganancias por acción, balance general y flujo de caja. Además, los llamados de resultados son conferencias en vivo donde los ejecutivos presentan una visión general de los resultados, discuten los logros y desafíos, y proporcionan una orientación para los períodos venideros.

Estas revelaciones son vitales para los mercados de capitales, influyendo significativamente en los precios de las acciones. Los inversores y analistas observan de cerca métricas clave como el crecimiento de los ingresos, las ganancias por acción, los márgenes, el flujo de caja y las proyecciones para evaluar el desempeño en comparación con los pares y las tendencias de la industria. La tasa de crecimiento y los márgenes de beneficio influyen en la prima y el multiplicador que los inversores están dispuestos a pagar por las acciones de una empresa, afectando en última instancia las rentabilidades y movimientos de precios de las acciones.

Asimismo, los llamados de resultados permiten a los inversores buscar pistas sobre el futuro de una empresa. Las empresas suelen publicar información sobre nuevos productos, tecnologías de vanguardia, fusiones y adquisiciones, e inversiones en nuevas temáticas y tendencias de mercado durante estos eventos. Estos detalles pueden señalar potenciales oportunidades de crecimiento para inversores, analistas y gestores de carteras.

Tradicionalmente, los guiones de los llamados de resultados han seguido plantillas similares, lo que hace que sea una tarea repetitiva generarlos desde cero cada vez. Por otro lado, los modelos de inteligencia artificial generativa pueden aprender estas plantillas y producir guiones coherentes cuando se les alimenta con datos financieros trimestrales. Con la inteligencia artificial generativa, las empresas pueden agilizar el proceso de crear primeros borradores de los guiones de los llamados de resultados para un nuevo trimestre utilizando plantillas repetibles e información sobre el rendimiento y los aspectos destacados del negocio. El borrador inicial de un guion generado por un modelo de lenguaje grande (LLM) puede luego ser refinado y personalizado utilizando comentarios de los ejecutivos de la empresa.

Amazon Bedrock ofrece una manera sencilla de construir y escalar aplicaciones de inteligencia artificial generativa con modelos base (FMs) y LLMs. Amazon Bedrock es un servicio completamente gestionado que ofrece una selección de FMs de alto rendimiento de empresas líderes en inteligencia artificial como AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI y Amazon. La personalización de modelos puede ofrecer experiencias de usuario diferenciadas y personalizadas. Para personalizar modelos para tareas específicas, se pueden ajustar finamente los FMs utilizando sus propios conjuntos de datos etiquetados en solo unos pocos pasos rápidos.

En este artículo, se muestra cómo generar el primer borrador de un guion de un llamado de resultados utilizando LLMs. Se demuestran dos métodos para generar un guion de un llamado de resultados con LLMs: aprendizaje en pocos disparos y ajuste fino. Evaluamos los guiones generados y los métodos aplicados desde diferentes dimensiones: exhaustividad, alucinaciones, estilo de escritura, facilidad de uso y costo, y presentamos nuestros hallazgos.

Visión general de la solución

Aplicamos dos métodos para generar el primer borrador de un guion de un llamado de resultados para el nuevo trimestre utilizando LLMs:

Ingeniería de prompts con aprendizaje en pocos disparos: Utilizamos ejemplos de guiones de resultados pasados con Anthropic Claude 3 Sonnet en Amazon Bedrock para generar un guion de un llamado de resultados para un nuevo trimestre.

Ajuste fino: Ajustamos finamente Meta Llama 2 70B en Amazon Bedrock utilizando datos etiquetados de entrada/salida de guiones de resultados pasados y utilizamos el modelo personalizado para generar un guion de un llamado de resultados para un nuevo trimestre.

Ambos métodos implican utilizar un conjunto de datos coherente de transcripciones de llamados de resultados a lo largo de varios trimestres. Utilizamos varios años de llamados de resultados trimestrales pasados, reservando un trimestre, que se utilizó como verdad de terreno para pruebas y comparación.

Evaluación de la ingeniería de prompts y el ajuste fino

Evaluamos las transcripciones de los llamados de resultados generadas a partir de ambos métodos utilizando dos enfoques diferentes:

  • Evaluación por un revisor humano
  • Evaluación comparando tres variaciones utilizando un LLM (Anthropic Claude 3 Sonnet)

Evaluado por revisor humano

Un revisor humano evaluó la exhaustividad, la aparición de alucinaciones en los textos, el estilo de escritura, la facilidad de uso y el costo de implementación y mantenimiento de los métodos.

Evaluado por LLM

Probamos las siguientes variaciones:

  • Variación A: Transcripción del llamado de resultados generada mediante aprendizaje en pocos disparos con Anthropic Claude v3 Sonnet
  • Variación B: Transcripción del llamado de resultados generada mediante ajuste fino de Meta Llama 70B
  • Variación C: Transcripción real del llamado de resultados para el trimestre

Las evaluaciones mostraron que, aunque los puntos financieros clave son similares, existen matices en la profundidad de los detalles proporcionados y el estilo narrativo y de comentarios entre las diferentes variaciones.

Conclusión

Generar borradores de alta calidad de los guiones de los llamados de resultados utilizando LLMs es un enfoque prometedor que puede agilizar el proceso para las empresas. Ambos métodos, ingeniería de prompts y ajuste fino, demostraron la capacidad de producir guiones que cubren métricas financieras clave, actualizaciones comerciales y orientación futura. Cada método tiene sus propias particularidades en términos de exhaustividad, alucinaciones, estilo de escritura, facilidad de implementación y costo que las empresas deben evaluar según sus necesidades y prioridades específicas.

vía: AWS machine learning blog

Transformando el Baño: De Miserable a Espectacular con Nuevas Paredes y Suelos

0
Era un baño miserable pero cambiar la pared y el suelo ha sido su salvación

En una pequeña ciudad de la comarca, una familia enfrentaba una situación difícil debido a las paupérrimas condiciones de su vivienda. El baño, en particular, era la parte más miserable de la casa. Las paredes, desgastadas y salpicadas de humedad, presentaban un aspecto desalentador. El suelo, antiguo y agrietado, no hacía más que empeorar la situación, propiciando un entorno insalubre.

Durante años, este baño representó un obstáculo para el bienestar de la familia. La acumulación de moho y la falta de ventilación adecuada no solo afectaban la estética, sino también la salud de los habitantes. Sin embargo, con recursos limitados, las posibilidades de una renovación parecían inalcanzables.

La esperanza encontró su camino a esta familia gracias a un programa de apoyo comunitario recién implementado por el ayuntamiento. El proyecto, diseñado para mejorar las condiciones de vida de los residentes con bajos recursos, se centraba en la renovación de espacios críticos en viviendas deterioradas. Los primeros beneficiarios de esta iniciativa fueron justamente ellos.

La intervención comenzó con la remoción de las viejas baldosas y el tratamiento de la humedad en las paredes. Se instaló un sistema de ventilación moderno para asegurar la circulación de aire y evitar futuros problemas de moho. En lugar de las paredes sombrías y decrépitas, se colocaron azulejos de un tono claro y luminoso, transformando el espacio en un rincón acogedor. El suelo, anteriormente un mosaico de grietas y manchas, fue reemplazado con baldosas nuevas, resistentes y fáciles de limpiar.

El cambio fue inmediato y notable. La familia ya no temía utilizar el baño, y la mejora en las condiciones higiénicas se reflejó rápidamente en su salud y bienestar general. La renovación no solo fue física, sino también emocional. El viejo baño, que antes generaba desesperanza, se convirtió en un símbolo de renovación y optimismo.

Los vecinos, al ver la transformación, rápidamente se organizaron para solicitar ayuda similar, viendo en la experiencia de esta familia un ejemplo de que con esfuerzo y apoyo colectivo, incluso las situaciones más complicadas pueden encontrar una solución. Este pequeño gran cambio en la vida de una familia se ha convertido en una inspiración para toda la comunidad, demostrando que a veces, un simple cambio de pared y suelo puede significar una verdadera salvación.

Escalabilidad y Aprendizaje Multitarea en GraphStorm 0.3 con APIs Amigables para el Usuario

0
GraphStorm 0.3: Scalable, multi-task learning on graphs with user-friendly APIs

GraphStorm, un marco empresarial de aprendizaje automático en grafos (GML) de bajo código, se ha convertido en una herramienta esencial para construir, entrenar y desplegar soluciones en grafos a escala empresarial en solo días en lugar de meses. Con GraphStorm, las soluciones pueden tomar en cuenta directamente la estructura de relaciones o interacciones entre miles de millones de entidades, lo que es crucial en datos del mundo real como la detección de fraude, recomendaciones, detección de comunidades y problemas de búsqueda y recuperación.

Hoy se lanza GraphStorm 0.3, añadiendo soporte nativo para el aprendizaje multitarea en grafos. Esta nueva versión permite definir múltiples objetivos de entrenamiento en diferentes nodos y aristas dentro de un solo ciclo de entrenamiento. Además, introduce nuevas API que permiten personalizar los procesos en GraphStorm. Ahora, con solo 12 líneas de código, se puede implementar un bucle de entrenamiento de clasificación de nodos personalizado. Para facilitar el inicio con la nueva API, se han publicado dos ejemplos en Jupyter notebooks: uno para la clasificación de nodos y otro para una tarea de predicción de enlaces. También se ha publicado un estudio exhaustivo de co-entrenamiento de modelos de lenguaje (LM) y redes neuronales de grafos (GNN) en grafos grandes con características textuales ricas, utilizando el conjunto de datos de Microsoft Academic Graph (MAG).

El soporte nativo para el aprendizaje multitarea en grafos refleja un esfuerzo por satisfacer las necesidades de diversas aplicaciones empresariales que operan con datos de grafos para múltiples tareas. Por ejemplo, organizaciones minoristas que desean detectar fraudes tanto en vendedores como en compradores, o editoriales científicas que buscan relacionar trabajos para citarlos adecuadamente y ser más descubiertos.

GraphStorm 0.3 soporta seis tareas comunes para el aprendizaje multitarea en grafos: clasificación de nodos, regresión de nodos, clasificación de aristas, regresión de aristas, predicción de enlaces y reconstrucción de características de nodos. Los objetivos de entrenamiento se pueden especificar a través de un archivo de configuración YAML. Un ejemplo de esto es la simultánea definición de una tarea de clasificación de temas en nodos de tipo «paper» y una tarea de predicción de enlaces en aristas de tipo «paper-citing-paper».

Desde su lanzamiento a principios de 2023, los clientes han usado mayoritariamente la interfaz de línea de comandos (CLI) de GraphStorm, que simplifica la construcción, entrenamiento y despliegue de modelos usando recetas comunes. Sin embargo, muchos clientes han solicitado una interfaz más flexible que permita personalizar los pipelines de entrenamiento e inferencia según sus requisitos específicos. En respuesta a esta demanda, GraphStorm 0.3 presenta APIs refactorizadas que permiten definir un pipeline de entrenamiento de clasificación de nodos personalizado con solo 12 líneas de código.

En la versión anterior, GraphStorm introdujo técnicas integradas para entrenar modelos de lenguaje (LM) y modelos GNN conjuntamente de manera eficiente a gran escala en grafos con textos ricos. Desde entonces, los usuarios han solicitado guías para optimizar el uso de estas técnicas. GraphStorm 0.3 responde a esta demanda al lanzar un benchmark LM+GNN utilizando el conjunto de datos Microsoft Academic Graph (MAG) en dos tareas estándar de GML: clasificación de nodos y predicción de enlaces.

Se han realizado evaluaciones de rendimiento para dos metodologías principales: BERT preentrenado + GNN, y BERT afinado + GNN. El método BERT afinado+GNN, introducido por los desarrolladores de GraphStorm en 2022, mostró un rendimiento hasta un 40% mejor en comparación con el método BERT preentrenado + GNN en la tarea de predicción de enlaces en MAG.

GraphStorm también ha sido evaluado usando grafos sintéticos de gran tamaño para demostrar su escalabilidad, gestionando sin problema grafos con hasta 100 mil millones de aristas en cuestión de horas.

GraphStorm 0.3, publicado bajo la licencia Apache-2.0, está diseñado para abordar los desafíos de GML a gran escala, y ahora ofrece soporte nativo para el aprendizaje multitarea y nuevas APIs para personalizar pipelines y otros componentes. Para comenzar, visita el repositorio de GitHub de GraphStorm y su documentación.
vía: AWS machine learning blog

Transforma Tus Viejas Cajas de Zapatos en Ideas Geniales de Almacenamiento Dentro y Fuera del Armario

0
No tires las cajas de zapatos viejas, reutilízalas y crea esta maravillosa idea de almacenamiento para dentro y fuera del armario

Las cajas de zapatos, esas compañeras que suelen acompañar nuestras adquisiciones de calzado, a menudo terminan en la basura o arrinconadas en algún rincón del hogar. Sin embargo, un nuevo movimiento de bricolaje y reciclaje está inspirando a muchos a darles una nueva vida, convirtiéndolas en prácticas soluciones de almacenamiento tanto para dentro como para fuera del armario.

Expertos en organización del hogar y entusiastas del «hazlo tú mismo» (DIY, por sus siglas en inglés) están proponiendo una serie de usos creativos para estas cajas que van mucho más allá de simplemente guardar zapatos. Una de las ideas más innovadoras y útiles es transformar las cajas en contenedores multiusos para optimizar el espacio y mantener el orden en nuestros hogares.

Para llevar a cabo esta transformación, lo primero que debes hacer es recolectar todas las cajas de zapatos que tengas a tu disposición. El segundo paso es diseñar el futuro uso de cada una; las cajas pueden ser decoradas con papel adhesivo, pintura o incluso tela para darles un toque personalizado y estético. Una vez decoradas, pueden servir para almacenar ropa, accesorios, utensilios de cocina, juguetes o artículos de oficina.

Además de ser útiles dentro del armario, estas cajas recicladas encuentran su lugar en muchas otras zonas de la casa. En la sala de estar, pueden convertirse en elegantes organizadores de revistas o controles remotos. En la cocina, son perfectas para guardar especies, té o implementos pequeños, mientras que en el dormitorio pueden servir para mantener ordenados cosméticos y joyería.

El reciclaje de cajas de zapatos no solo contribuye a la organización del hogar, sino que también representa un avance significativo hacia la sostenibilidad. Al reutilizar las cajas, se reduce la cantidad de desechos y se disminuye la necesidad de comprar nuevos productos de almacenamiento, muchos de los cuales están fabricados con plásticos y otros materiales de alto impacto ambiental.

A través de tutoriales en línea y comunidades de bricolaje, las personas pueden intercambiar ideas y técnicas sobre cómo mejorar sus proyectos de reciclaje. La tendencia no solo promueve la creatividad y la autoexpresión, sino que también fomenta una mentalidad de reutilización y conciencia ecológica.

En definitiva, las cajas de zapatos viejas tienen un gran potencial que va más allá de su uso original. Reutilizarlas y transformarlas en soluciones de almacenamiento prácticas es una forma efectiva y artística de contribuir al orden de nuestros hogares y al cuidado del medio ambiente. Así que antes de tirar tu próxima caja de zapatos, piensa en todas las posibilidades que te ofrece y únete al movimiento de reciclaje creativo.

Ambientes acogedores en exterior e interior con los textiles Linum

0
delikatissen

En el corazón de la innovación textil, Linum ha logrado transformar la percepción de confort en la decoración de ambientes, tanto interiores como exteriores. La renombrada empresa sueca, especializada en textiles de alta calidad, ha lanzado su más reciente colección, dedicada a crear espacios acogedores y sofisticados. Con una notable combinación de diseño nórdico y funcionalidad, Linum sigue consolidándose como una marca indispensable para quienes buscan darle un toque de calidez y elegancia a sus hogares.

La nueva línea de productos abarca una amplia gama de textiles, incluyendo cojines, cortinas, mantas y alfombras, todos fabricados con materiales ecológicos y de primera calidad. Cada pieza ha sido cuidadosamente diseñada para ofrecer no solo estética, sino también funcionalidad y durabilidad, permitiendo que los espacios se mantengan acogedores por más tiempo. En un mundo donde el bienestar empieza a ser una prioridad, productos como los de Linum aportan un valor añadido que va más allá de lo visual, promoviendo un estilo de vida más cómodo y equilibrado.

Una de las características más destacadas de esta colección es su versatilidad. Linum ha logrado crear textiles que no solo encajan perfectamente en cualquier rincón del hogar, sino que también pueden trasladarse al exterior sin perder su esplendor. Las terrazas, balcones y jardines se convierten en extensiones del hogar gracias a estas innovadoras propuestas. Sus tejidos están diseñados para resistir las inclemencias del tiempo, manteniendo sus colores vibrantes y texturas suaves pese a la exposición al sol o a la lluvia.

«Queríamos ofrecer soluciones que no estuvieran limitadas a un solo espacio», comenta Eva Jonsson, directora creativa de Linum. «Nuestra meta es que nuestros clientes puedan disfrutar de ambientes acogedores en cualquier lugar, ya sea en el salón de su casa o en su patio trasero».

La sostenibilidad también juega un rol crucial en esta colección. Linum ha apostado por materiales reciclables y procesos de producción que reducen al mínimo el impacto ambiental. Esto refleja un compromiso genuino con la preservación del medio ambiente, un valor que cada vez más consumidores demandan y aprecian. Además, la empresa colabora con artesanos locales, incentivando prácticas de comercio justo y contribuyendo al desarrollo de las comunidades.

La aceptación del mercado no se ha hecho esperar. Los puntos de venta y las tiendas en línea reportan una alta demanda de estos productos, lo que demuestra que el público sigue buscando opciones que combinen estilo, confort y responsabilidad ambiental. Sin duda, la nueva colección de textiles de Linum marca un hito en la decoración de interiores y exteriores, reafirmando que el diseño de calidad y el compromiso con el medio ambiente pueden ir de la mano para crear espacios verdaderamente acogedores.

Cepsa Química Mejora La Eficiencia Y Precisión De La Gestión De Producto Usando Amazon Bedrock

0
Architecture diagram for the inference module

La inteligencia artificial generativa (IA) está emergiendo rápidamente como una fuerza transformadora, lista para alterar y remodelar negocios de todos los tamaños y sectores. La IA generativa permite a las organizaciones combinar sus datos con el poder de los algoritmos de aprendizaje automático (ML) para generar contenido similar al humano, agilizar procesos y desbloquear la innovación. Como otros sectores, la industria energética se ve impactada por este cambio de paradigma, abriendo oportunidades para la innovación y eficiencia. Una de las áreas donde la IA generativa está mostrando rápidamente su valor es en la optimización de procesos operativos, reduciendo costos y mejorando la productividad general.

En un reciente desarrollo, Cepsa Química y Keepler han implementado un asistente de IA generativa para aumentar la eficiencia del equipo de gestión de productos en la respuesta a consultas sobre el cumplimiento normativo de los productos químicos que comercializan. Para acelerar el desarrollo, utilizaron Amazon Bedrock, un servicio totalmente gestionado que ofrece una opción de modelos de alto rendimiento de las principales compañías de IA a través de una sola API, además de un amplio conjunto de capacidades para construir aplicaciones de IA generativa con seguridad, privacidad y seguridad.

Cepsa Química, líder mundial en la producción de alquilbenceno lineal (LAB) y segunda en la producción de fenol, está alineada con la estrategia para 2030 de Cepsa para la descarbonización y sostenibilidad de sus procesos mediante el uso de materias primas renovables, desarrollo de productos con menor carbono y uso de desechos como materias primas.

Dentro del departamento de Digitalización, TI, Transformación y Excelencia Operacional (DITEX) de Cepsa, trabajan en democratizar el uso de la IA en sus áreas de negocio para que se convierta en otra palanca de generación de valor. En este contexto, identificaron la gestión de productos como una de las áreas con mayor potencial para la creación de valor mediante la IA generativa. Colaboraron con Keepler, una compañía de servicios de datos centrada en la nube especializada en el diseño, construcción, despliegue y operación de soluciones avanzadas de análisis de datos en entornos públicos en la nube para grandes organizaciones, en la creación de la primera solución de IA generativa para uno de sus equipos corporativos.

El equipo de Seguridad, Sostenibilidad y Transición Energética de Cepsa Química, responsable de todos los aspectos relacionados con la salud humana, la seguridad y el medio ambiente de los productos fabricados por la empresa, fue el elegido para la implementación inicial. Este equipo es responsable de la gestión de una gran colección de documentos de cumplimiento normativo, una tarea que consume un porcentaje significativo de su tiempo.

Para abordar este reto, se decidió utilizar técnicas de IA generativa para agilizar la resolución de consultas de cumplimiento más rápidamente. La solución se basa en modelos de lenguaje grande (LLMs), entrenados con vastas cantidades de información, y sigue un enfoque de Generación Aumentada por Recuperación (RAG), permitiendo dinámica y adaptabilidad en los cambios de la base de conocimientos sin necesidad de reentrenar los modelos.

La solución construida incluye cuatro bloques funcionales principales: procesamiento de entradas, generación de embeddings, servicio de cadena de LLMs, e interfaz de usuario, con módulos independientes para el procesamiento por lotes de documentos de entrada y para responder consultas de usuarios mediante inferencia.

El módulo de ingestión por lotes realiza tareas como la extracción de texto de documentos PDF y la generación de vector es mediante Amazon Bedrock, mientras que el módulo de inferencia transforma las consultas de los usuarios en embeddings, recupera fragmentos relevantes de documentos y genera respuestas contextuales utilizando modelos de LLM.

Durante el desarrollo de la solución se enfrentaron a numerosos desafíos, como la preprocesamiento de datos y la estrategia de división de documentos, evaluando diferentes técnicas para mejorar la precisión de las respuestas. Como resultado, lograron mejorar la eficiencia operativa del equipo y acelerar el proceso de consulta normativa, ahorrando hasta un 25% del tiempo de los usuarios.

El DITEX de Cepsa trabaja ahora para identificar casos de uso similares en otras áreas de negocio de Cepsa Química, con el objetivo de crear una herramienta corporativa que reutilice componentes de esta primera iniciativa y generalice el uso de la IA generativa en las funciones empresariales.
vía: AWS machine learning blog

Anunciamos La Vista Previa De Windows 11 Insider Build 22635.4005 (Canal Beta)

0
Announcing Windows 11 Insider Preview Build 22635.4005 (Beta Channel)

Microsoft ha anunciado recientemente el lanzamiento de la nueva versión de prueba de Windows 11, la Build 22635.4005 (KB5040555), la cual ya está disponible para los usuarios inscritos en el Canal Beta. Esta actualización forma parte de Windows 11, versión 23H2, y está enfocada en realizar mejoras generales y solucionar ciertos problemas detectados en versiones anteriores.

Para los usuarios que deseen recibir las últimas características antes que otros, se recomienda activar una opción específica en la configuración de Windows Update. Con esta opción activada, los usuarios recibirán gradualmente las nuevas características conforme estén disponibles, acelerando así el proceso de actualización. Para aquellos que no activen esta opción, las características se desplegarán de manera más lenta y solo cuando estén completamente listas.

Entre los cambios e incrementos en esta nueva versión, se destacan pequeñas mejoras generales que buscan optimizar la experiencia del usuario. Dentro de los problemas solucionados, se ha abordado un fallo que provocaba cierres inesperados del Explorador de Windows (explorer.exe) en algunas ocasiones durante el uso habitual del PC.

Sin embargo, persisten algunos problemas conocidos que Microsoft sigue trabajando por resolver. Uno de ellos afecta la barra de tareas, donde se ha identificado un nuevo fallo que puede causar que explorer.exe se cierre al cerrar aplicaciones desde la barra. También hay desafíos en el Explorador de Archivos, especialmente para aquellos en el Canal Beta que utilizan las secciones actualizadas de «Recientes», «Favoritos» y «Compartidos». En estos casos, la selección de algunas pestañas puede hacer que el foco del teclado se pierda.

En términos de entrada, se está trabajando en solucionar un problema que hace que el panel de emojis se cierre al intentar cambiar a las secciones de kaomoji y símbolos, o después de seleccionar un emoji.

Es importante recordar que las actualizaciones del Canal Beta están basadas en la versión 23H2 de Windows 11 y las características probadas pueden no llegar a ser lanzadas oficialmente, ya que Microsoft considera diversos conceptos y retroalimentación antes de tomar una decisión final. Además, muchas de estas nuevas características se introducen gradualmente utilizando la tecnología de Control de Implementación de Características, permitiendo que solo un subconjunto de usuarios las reciban inicialmente.

Para los usuarios en el Espacio Económico Europeo, la experiencia de Copilot in Windows se podrá descargar gradualmente desde la Microsoft Store, lo cual expande la disponibilidad de esta herramienta en diferentes mercados.

Este lanzamiento reafirma el compromiso de Microsoft por mejorar y evolucionar constantemente su sistema operativo, basándose en la retroalimentación de sus usuarios y adaptando sus desarrollos a las necesidades detectadas durante el uso diario del sistema.
vía: Microsoft Windows blog

Seis cosas que tienes que hacer en casa para evitar la entrada de mosquitos

0
seis cosas que tienes que hacer en casa para evitar la entrada de mosquitos

A medida que se avecinan los meses más cálidos del año, uno de los problemas más comunes que enfrentan muchos hogares es la invasión de mosquitos. Estos pequeños pero molestos insectos no solo causan molestias con sus picaduras, sino que también pueden transmitir enfermedades. Para mantener tu hogar libre de mosquitos y disfrutar de un verano más tranquilo, aquí hay seis cosas que puedes hacer.

Primero, asegúrate de eliminar cualquier estancamiento de agua en el perímetro de tu casa. Los mosquitos utilizan el agua estancada como lugar de reproducción. Desde el agua acumulada en macetas, cubos o canaletas de techo, cualquier recipiente que pueda acumular agua debe ser vaciado o eliminado. Ser meticuloso en esta tarea es fundamental para reducir la población de mosquitos alrededor de tu hogar.

Segundo, instala mosquiteros en todas las ventanas y puertas. Esto actúa como una barrera física que impide que los mosquitos entren en tu hogar. Se recomienda revisar regularmente los mosquiteros para asegurarse de que no haya agujeros o desgarros que puedan permitir la entrada de mosquitos. También es aconsejable mantener las puertas y ventanas cerradas durante las horas del día cuando los mosquitos están más activos, como al amanecer y al atardecer.

El tercer paso consiste en usar ventiladores. Sorprendentemente, los mosquitos son malos voladores y el flujo de aire de un ventilador puede hacer que les resulte difícil volar y posarse. Colocar ventiladores en áreas clave de la casa, como en las habitaciones y el patio, puede ser una manera efectiva de mantener a raya a estos insectos.

En cuarto lugar, considera la posibilidad de utilizar repelentes de insectos. Estos productos, disponibles en aerosoles, cremas y otros formatos, son muy efectivos para mantener a los mosquitos alejados. Aplica repelente en las zonas expuestas de la piel y sigue las instrucciones del fabricante para asegurarte de que estás protegido durante un período prolongado.

En quinto lugar, los aceites esenciales naturales como el aceite de citronela, eucalipto y lavanda son conocidos por sus propiedades repelentes de mosquitos. Puedes usar velas o difusores que contengan estos aceites en diferentes áreas de tu hogar para no solo mantener a los mosquitos alejados, sino también para agregar una fragancia agradable a tu espacio.

Por último, mantener la casa limpia y ordenada es crucial. La basura y los restos de comida pueden atraer a otros insectos que, a su vez, atraen a los mosquitos. Asegúrate de vaciar los botes de basura con regularidad y de mantener las áreas de cocina y comedor libres de migas y residuos.

En resumen, evitar la entrada de mosquitos en el hogar requiere una combinación de prácticas preventivas y el uso inteligente de herramientas disponibles. Siguiendo estos seis consejos, puedes convertir tu hogar en un ambiente hostil para los mosquitos y disfrutar de un espacio más saludable y confortable durante los meses más cálidos del año.

La IA reprograma células de cáncer cerebral: Un avance revolucionario en el tratamiento del Glioblastoma

0

Investigadores de la Universidad del Sur de California (USC) han logrado un avance significativo en el tratamiento del glioblastoma, el cáncer cerebral más mortal en adultos, mediante el uso de inteligencia artificial (IA). Este innovador enfoque ha permitido reprogramar células de glioblastoma en modelos de ratón, convirtiéndolas en células dendríticas que activan el sistema inmunológico, lo que podría revolucionar las terapias contra este devastador cáncer.

El glioblastoma es conocido por su agresividad y su baja tasa de supervivencia, con menos del 10% de los pacientes sobreviviendo cinco años después del diagnóstico. Sin embargo, la IA ha identificado genes capaces de convertir las células de glioblastoma en células dendríticas (DCs). Estas células son cruciales en el sistema inmunitario, ya que presentan antígenos del cáncer y activan otras células inmunes para atacar el tumor.

En modelos de ratón, esta novedosa estrategia ha mostrado resultados prometedores, aumentando las probabilidades de supervivencia hasta en un 75% cuando se combina con terapia de puntos de control inmunitarios. Este avance sugiere que reprogramar las células cancerosas para que se vuelvan contra sí mismas podría ser una forma efectiva de combatir los tumores desde dentro.

Además, los investigadores han identificado genes humanos que podrían reprogramar células de glioblastoma humanas, allanando el camino para futuros ensayos clínicos. Si los resultados obtenidos en ratones se replican en humanos, este enfoque no solo podría transformar el tratamiento del glioblastoma, sino también abrir nuevas posibilidades para tratar otros cánceres difíciles de tratar.

La capacidad de convertir células cancerosas en aliadas del sistema inmunológico representa una nueva frontera en la inmunoterapia del cáncer. Este avance podría significar un cambio de paradigma en cómo se abordan los tratamientos para el glioblastoma y otros tipos de cáncer, ofreciendo esperanza a miles de pacientes que enfrentan diagnósticos desalentadores.

Para más información sobre este avance revolucionario, se puede consultar la fuente original en News Medical.