El álgebra de las unidades: Del teorema Pi de Buckingham al aprendizaje de variables latentes
Descubre cómo el teorema de Buckingham permite identificar grupos adimensionales automáticamente desde datos, combinando física y machine learning.
#gru
El álgebra de las unidades: del teorema Pi al aprendizaje de variables latentes
Descubre cómo el teorema Pi de Buckingham y el aprendizaje automático encuentran grupos adimensionales a partir de datos. Ejemplo con compresor.
Grupo cibercriminal afirma hackeo a Novo Nordisk
Grupo cibercriminal FulcrumSec afirma haber robado 1.3 TB de datos de Novo Nordisk. Conoce los detalles y riesgos para la seguridad del sector farmacéutico.
Programación de inferencia ML con latencia predecible
Descubre cómo optimizar el scheduling de inferencia ML para lograr latencia predecible, superando las limitaciones de los modelos de predicción de
Aprendizaje Federado Agrupado en una Ronda con Colaboración de Datos No IID
Descubre cómo DC-CFL permite el aprendizaje federado agrupado en una sola ronda de comunicación, superando la heterogeneidad de datos no IID con alta precisión.
Scribby: Marco multinivel LLM para análisis semántico de video
Scribby: marco LLM multinivel para análisis semántico de videos. Agrupa oraciones por similitud, genera mapas de calor de relevancia.
Descubriendo subgrupos con características de supervivencia excepcionales
Sysurv descubre subgrupos con supervivencia excepcional sin suposiciones. Supera al estado del arte en cáncer y mantenimiento predictivo.
Descubriendo grupos de simetría con Flow Matching
Descubre cómo LieFlow identifica simetrías continuas y discretas en datos usando flow matching sobre grupos de Lie. Supera a métodos previos en precisión.
CLoVE: Aprendizaje Federado Personalizado con Agrupación de Pérdidas
Descubre CLoVE, aprendizaje federado que agrupa clientes según sus pérdidas para lograr modelos personalizados con alta precisión y convergencia rápida.
Bandidos para Experimentación con Grupo de Control, Preferencias y Derivas
Optimiza experimentación con bandidos contextuales usando Dri-MED. Se adapta a derivas, preferencias y restricciones. Ideal para decisiones bajo incertidumbre.
Ransomware paraliza molinos del segundo mayor productor azúcar australiano
Un ataque ransomware del grupo The Gentlemen paraliza los molinos de Mackay Sugar, segundo mayor productor de azúcar australiano.
El Consejo de Europa investiga la filtración de datos de ShinyHunters
El Consejo de Europa investiga las afirmaciones de ShinyHunters sobre un presunto robo de datos. Descubre los detalles de este ciberataque y sus implicaciones.
ShinyHunters afirma haber hackeado al Consejo de Europa
ShinyHunters afirma haber robado 297 GB de datos del Consejo de Europa. Amenazan con filtrar información personal de empleados. Conoce los detalles.
Predicción de afinidad proteína-ligando con geometría guiada por curvatura
Mejora la predicción de afinidad proteína-ligando con RicciBind, que integra curvatura de Ricci y transporte óptimo para resultados más precisos.
Aprendizaje Equivariante con Descomposición Clase-Pose
Descubre cómo descomponer el espacio latente en factores invariantes y de simetría para lograr representaciones equivariantes, interpretables y desenredadas. Aplica a datos con simetrías.
MOSIC: Identificación óptima de subgrupos bajo múltiples restricciones
Descubre MOSIC: un marco que identifica subgrupos óptimos bajo múltiples restricciones, mejorando la fiabilidad en decisiones clínicas. Modelo agnóstico y eficiente.
Máquinas de supervivencia con expertos: mejor estratificación e interpretabilidad
Descubre cómo el framework AdaCSM mejora la predicción de supervivencia y la interpretabilidad en múltiples cohortes clínicas usando Mixture-of-Experts.
Modelo MLCG transferible en temperatura para proteínas
Descubre cómo un nuevo modelo MLCG transferible en temperatura predice propiedades termodinámicas de proteínas, superando limitaciones de simulaciones tradicionales.
STaR-DRO: Reponderación Tsallis para predicción estructurada robusta a grupos
STaR-DRO optimiza la predicción estructurada con LLMs, mejorando el F1 en +14.46 y reduciendo la pérdida grupal. Descubre cómo supera al DRO tradicional.
Cuando veas el ataque, ya es tarde
Los ataques no comienzan con el caos, sino con el acceso silencioso. Descubre cómo anticiparte a las amenazas que se preparan para 2028.