Es pa
Experiencia y Excelencia a tu servicio
Kampal Data Solutions nació en el seno del Instituto de Biocomputación y Sistemas de física complejos y hemos trasladado a nuestra empresa toda nuestra experiencia y dedicación por la ciencia y el conocimiento.
Nuestro equipo científico altamente cualificado incluye Catedráticos y Doctores y nos ha llevado a realizar exitosas colaboraciones con científicos de la talla de Giorgio Parisi (Nobel de Física 2021).
Ponemos a disposición de nuestros clientes todo su expertise para cumplir con los más altos estándares de exigencia.
Nuestra Ciencia en Datos
+ de 220
Artículos publicados
+ de 110
Artículos de excelencia
4
Doctorados en nuestro equipo científico
+ de 170
Proyectos dirigidos
+ de 110M€
Captados en proyectos de investigación
Física
La física y la Inteligencia Artificial están estrechamente relacionadas en varios aspectos.
En primer lugar, la física proporciona los fundamentos teóricos y las herramientas matemáticas para el desarrollo de muchos algoritmos de Inteligencia Artificial. Por ejemplo, las redes neuronales artificiales utilizadas en el aprendizaje profundo se basan en la teoría matemática de las redes neuronales y la estadística. La física también ha sido fundamental en el desarrollo de técnicas de procesamiento de señales, que se utilizan en muchas aplicaciones de Inteligencia Artificial, como el reconocimiento de voz y la imagen.
En resumen, la física y la Inteligencia Artificial están estrechamente relacionadas y se están retroalimentando mutuamente. El uso de técnicas de Inteligencia Artificial en la física está permitiendo avances significativos en la comprensión y la resolución de problemas, mientras que la física proporciona las bases teóricas y las herramientas matemáticas para el desarrollo de muchos algoritmos de Inteligencia Artificial.
Sistemas
Nuestro personal abarca lenguajes y entornos de programación en diferentes niveles de abstracción -C, Scala o Python- y está habituado a trabajar en plataformas diversas con un amplio rango de arquitecturas: máquinas de propósito específico, nubes de ordenadores – sea en openstack o de AWS-, clusters de cálculo intensivo, etc.
En las soluciones que hemos realizado recientemente hemos pivotado sobre recursos open source con las consiguientes ventajas de compatibilidad tanto con despliegues comerciales (por ejemplo, hosting en Amazon o en nubes corporativas) como con la experiencia de nuestros partners. Así, los desarrollos de páginas web han venido basados en frameworks como Django sobre bases de datos Postgresql en el lado clásico o ElasticSearch en la parte NoSQL.
Los trabajos de analítica de datos utilizan C o lenguajes compilados solo cuando se hace necesario en algún proceso de alto consumo o una visualización especialmente complicada, pero basamos gran parte en kits científicos de Python o otros entornos de alto nivel. Cuando es necesario el procesado de grandes cantidades de datos estamos optando por arquitecturas como Spark, y recientemente también los modelos de Machine Learning los hemos ido adaptando a sistemas distribuidos escalables, como Tensorflow, normalmente ejecutándose en nuestra propia nube pero con portabilidad general.
