Juan Carlos González

Data Scientist

Los datos bien tratados se pueden transformar en conocimiento, a menudo de forma sorprendente.

Email: jcgonzalez@apsl.net
Entradas por autor "jcgonzalez"
Pynxeinstein_centrado.png

!Enhorabuena por un nuevo artículo científico


El paso 6 de Junio de 2018, Juan Carlos Gonzalez-Avella miembro del Departamento de Data Science de APSL ha publicado un articulo científico titulado Coordination in a skeptical two-group population” en la revista  Journal of Economic Interaction and Coordination (link: https://link.springer.com/article/10.1007%2Fs11403-018-0223-x y en colaboración con científicos del grupo de Dynamics and Collective Phenomena in Social and Socio-technical Systems del Instituto de Física Intersdisciplinar y Sistemas Complejos  (IFISC) adjunto a la Universidad de las Islas Baleares, y el Instituto Complutense de Análisis Económico (ICAE) de la Universidad Complutense de Madrid.

Leer mas
DbjaERAX4AwVrUt.jpg

APSL en el Smart Island World Congress


Los pasados días 23 y 24 de abril APSL ha tenido el placer de participar en la segunda edición del Smart Island World Congress, una gran iniciativa que coloca a Mallorca en el epicentro del debate sobre la gestión inteligente de ciudades y territorios insulares.

Leer mas
Pynxeinstein_Completo.png

TENSOR FLOW PARA PRINCIPIANTES (V): Guardar y Recuperar el valor de las variables optimizadas de TensorFlow


En éste  tutorial  seguimos con la  implementación de Redes Neuronales Convolucionales para el reconocimiento de imágenes usando en el Tutorial I. Al igual que en el Tutorial III, implementar redes neuronales usando la API Prettytensor que nos permite usar sintaxis mucho más simple que una implementación directa en TensorFlow native . Pero en esta ocasión,  aprenderemos como guardar el valor de las variables de la red neuronal siempre que su precisión de clasificación durante el entrenamiento  haya mejorado. Luego, aprenderemos  a cargar las variables que obtuvieron mejores resultados en el conjunto de validación.

Leer mas
PynxeinsteinTF

TENSOR FLOW PARA PRINCIPIANTES (IV): Uso de la API Layers


En éste  tutorial se muestra como implementar la Red Neuronal Convolucional para el reconocimiento de imágenes usando en el Tutorial I, pero en éste caso usaremos la API Layeres (tf.layers).  Al igual que en el Tutorial III, implementar redes neuronales usando esta API nos permite usar sintaxis mucho más simple que una implementación directa en TensorFlow. Hace que el código sea mucho más corto y fácil de entender, y por tanto cometer menos errores.

Leer mas