4.png

AUG 31ST - SEPT 1ST    

Tipo de presentación

Negocios y Estrategia

Casos de Estudio o Technical

Talleres

Networking

Nivel Técnico 1-7

*Última actualización: Jul 27. Sujeto a cambios menores

31 Agosto

09:00 AM

Networking & Inauguración

09:30 AM

Keynote: Retos de Implementar Inteligencia Artificial en las Organizaciones

 

Alejandro Correa Bahnsen, PhD, Chief Artificial Intelligence Officer, Rappi

Room: Independencia A

11:05 AM

IA en la Industria – Un Atajo al Futuro
(4/7)

Dra. Ludivina Facundo, Chief Artificial Intelligence Officer

Centro de Innovación Industrial en Inteligencia Artificial CII.IA

 

Room: Independencia A

AI y Robótica en los Negocios

Marco Saenz,

Principal Solution Consultant


Laiye

Room: Independencia B

11:45 AM

Descanso: Exhibiciones, Networking

12:15 AM

¿Cómo Provocar el Fallo de un Sistema de Reconocimiento Facial?
(4/7)


Rubén Alvarez, PhD, Co-Director

DataLab Community

Room: Independencia A

Taller:  Graph ML:  La Próxima Frontera del Machine Learning (5/7)

 

Alejandro Correa Bahnsen, PhD, Chief Artificial Intelligence Officer / Jaime David, Acevedo-Viloria
/ Ana María Quintero Quinto

Rappi 

Room: Independencia B

1:05 PM

Cómo tendrán que adaptarse las herramientas de MLOps a una IA responsable y ética
(4/7)

 

Patricia Thaine CEO, founder

Private AI

Room: Colonia

Optimizing Field Logistics for Drone Spraying in Complex Scenarios Using Evolutive Computing
(3/7)

Alberto De Obeso, AI Director

Apex Systems

Room: Independencia A

1:45 PM

Comida & Descanso: Exhibiciones, Networking

3:15 PM

LMLOps: DevOps para certificar productos de Machine Learning

(3/7)

Miguel Angel Díaz Rodríguez, MLOps Director

ABInBev

Room: Independencia A

Creación de Valor con IA de Manera Integrada en Multiples Unidades de Negocio. y Transversal

Leon Palafox
Head of Artificial Intelligence,

Grupo Salinas/Algorithia

 

 

Room: Colonia

Taller:  Experimentación de Tensorflow Extended (TFX)
(5/7)

 

David Cardozo, Chief Lead Analyst

Updata Canada

Room: Independencia B

4:05 PM

Principios Para IA Responsable
(4/7)

Rodrigo Rodriguez, Senior Cloud Solution Architect for Data & AI

 

 

Paulo Lacerda, AI Cloud Solution Architect

Microsoft

Room: Colonia

fAIr LAC Jalisco: AI for Real in Mexico (4/7)

Dr Enrique Cortes Rello
Director, Artificial Intelligence Hub,

Tec de Monterrey

Room: Independencia A

4:45 PM

Una Vista Hacia el Futuro del Crédito y la Cobranza

(2/7)

Lilia Karen Rivera Escovar

Gerente Sr. en estrategia de datos cobranza y crédito.

Algorithia / Banco Azteca

Room: Independencia B

Dream Big: Startup Funding with LATAMs Top VCs

 

Christopher Sanchez, Founder & CEO, Global AI Bill of Rights - Executive Director, Emergent Line

 

Adolfo Blasco, Principal at NAZCA Ventures
Vanessa Bello, Head of Portfolio & Scouting at Wayra
Eugenio Perea, Venture Partner at Magma Partners

Room: Independencia A

La Reproducibilidad y el control de versiones son importantes: seguimiento de experimentos con la extensión de DvC para VSCode.
 

Gema Parreño,  (Developer Advocate)


Iterative

Room: Colonia

5:15 PM

Happy Hour Bebidas   

*Última actualización: Jul 27. Sujeto a cambios menores

1 Septiembre

09:00 AM

Networking & Apertura de Exposición

09:30 AM

Lightning Talks Charlas Relámpago de Patrocinadores

Room: Independencia A

11:05 AM

Viajes de IA

 

Leon Palafox, Head of Artificial Intelligence,  Grupo Salinas/Algorithia

José Alberto Méndez Valerio,  Coordinador de Gerentes, Inteligencia Artificial & Analítica Avanzada, Grupo Coppel

 

Hayde Martinez, Data Tech Program Lead, Wizeline

Room: Independencia A

11:45 AM

Descanso: Exhibiciones, Networking

1:05 PM

Cultura de Datos para Poder Moverse Hace AI Driven

(2/7)

Dante Tellez, Senior Director Data

Konfio

Room: Independencia A

GAN Networks & Deepfakes (4/7)
 

Paula Martinez, 

CEO & Co-founder /

Rodrigo Beceiro, 

CTO & Co-founder

Marvik

Room: Colonia

12:15 AM

Climbing the AI Maturity Curve
(2/5)

William Falcon, CEO & Founder

Lightning AI

Room: Colonia

Cómo fue que creamos un programa interempresarial de MLOps durante la peor crisis del sector aéreo

Nicolás Venegas Oliva, Technical Lead of Advanced Analytics


LATAM Airlines Group

Room: Independencia A

Taller

 

Ploomber: Desarrolla código listo para producción desde Jupyter, VSCode o PyCharm



Eduardo Blancas, CEO

 

Ploomber

Room: Independencia B

1:45 PM

Descanso: Exhibiciones, Networking

3:15 PM

Machine Learning Quality, ¿Qué Tan Confiable y Robusto es mi Modelo?

(2/7)


Christian Ramírez Arévalo, Machine Learning Technical Leader

MercadoLibre

Room: Independencia A

Deep Learning Para la Previsión de Series de Tiempo

Max Mergenthaler,CEO y Co-Founder

 

Nixtla

Room: Colonia

Taller

Automated Machine Learning: Manos a la Obra con Herramientas Open Source y Empresariales


Favio André Vázquez Prieto,  Lead Data Scientist Spanish LATAM

H2O.ai 

Room: Independencia B

4:05 PM

Experiencias Implementando Data Science/ Inteligencia Artificial en Startups

Alejandro Correa Bahnsen, PhD, Chief Artificial Intelligence Officer, Rappi
Diego Halffter, VP Data & Analytics, Jüsto
Estefania Barreto, Head of Data Science, Konfio
Benjamín Ardila Martínez, Managing Partner, Neural Design

Room: Independencia A

Screen Shot 2022-07-28 at 10.53.19 AM.png
31  AGOSTO

*Última actualización: Jul 27. Sujeto a cambios menores

11:05 AM
-
11:45 AM EST

IA en la Industria – Un Atajo al Futuro,  Dra. Ludivina Facundo Flores, Chief Artificial Intelligence Officer, Centro de Innovación Industrial en Inteligencia Artificial CII.IA

Abstract: 

Las áreas de aplicación de la IA se amplían cada día. Los sectores con mayor adopción que han conocido las bondades y ventajas de su implementación, buscan nuevos procesos donde aplicarlos y sirven de inspiración a otros. Él éxito de su implementación, radica en la correcta comprensión de la IA como método y del proceso a optimizar, como el objetivo final. Sin embargo, los requerimientos básicos de la IA, deben ser claros desde el inicio para asegurar el éxito del proyecto.


Idioma: español

 

Nivel Técnico: 4/7


Lo que aprenderá: 

Los asistentes podrán visualizar las posibilidades de implementar IA en cada uno de los procesos del sector empresarial. Desde cuestiones de contratación, capacitación, seguridad, inspección de calidad, ventas, planeación de la demanda, distribución, entre otras.

12:15 PM
-
12:55 PM EST

¿Cómo Provocar el Fallo de un Sistema de Reconocimiento Facial?,  Rubén Alvarez, PhD, Co-Director, DataLab Community

 

Abstract: 

En esta charla hablaremos de los mitos y realidades de la tecnología de reconocimiento facial, veremos sus verdaderos alcances, así como sus aplicaciones, viendo las ventajas y sobre todo sus desventajas debido a la falta de robustez de los sistemasvisto desde un punto de vista técnico y ético.

 

Idioma: español

 

Nivel Técnico: 4/7

 

Lo que aprenderá: : 

How to avoid biass in when training models and how to use adversial attacks to make more robust the ML pipelines.

12:15 PM
-
1:45 PM EST

Graph Machine Learning Workshop - La próxima frontera del Machine Learning,  Alejandro Correa Bahnsen, PhD, Chief Artificial Intelligence Officer / Jaime David, Acevedo-Viloria / Ana María Quintero Quinto, Rappi 

Abstract: 

El campo del Graph Machine Learning se ha convertido rápidamente en uno de los principales focos de investigación y productivización de metodologías de Inteligencia Artificial. Según Gartner, se estima que para el 2023 el 30 % de las organizaciones a nivel mundial utilicen tecnologías de grafos para facilitar la contextualización rápida para la toma de decisiones, y que la aplicación de procesamiento de gráfos y bases de datos de gráfos crezca un 100 % anual. Adicionalmente, en publicaciones académicas ICLR el tema de Graph Neural Networks ha demostrado el mayor crecimiento en el 2020. Los gráfos ofrecen una fuente novedosa de información, pues capturan de manera precisa y adecuada las interacciones de diferentes entidades de interés, como organizaciones, personas, dispositivos y transacciones. De hecho, se ha descubierto que las conexiones entre los datos son tan valiosas como los datos mismos, ya que proporcionan un contexto que permite que los algoritmos aprendan no solo del punto de datos en sí, sino también de la estructura creada y el flujo de información.

 

Idioma: español

Nivel Técnico: 5/7

 

Lo que aprenderá: 

En este Workshop, describiremos brevemente los conceptos necesarios para comprender Graph Machine Learning, describiremos la evolución que ha tenido en sus metodologías, daremos una breve descripción del campo, enséñaremos los conocimientos básicos de programación para hacer tanto analítica de grafos como Graph Neural Networks (GNN’s), y finalmente, mostraremos casos reales de uso de algoritmos de Graph Machine Learning para detectar fraudes. actividades, identificar posibles influenciadores y mejorar las puntuaciones de riesgo crediticio

1:05 PM
-
1:45 PM EST

CómoTendrán que Adaptarse las Herramientas de MLOps a una IA Responsable y Ética,  Patricia Thaine, CEO, Private AI

Abstract: 

Estamos en los albores de una nueva era para la IA responsable: hay un campo floreciente que estudia sus beneficios y daños, y la UE está legislando activamente sobre la ética de la IA. Pero mientras que las plataformas MLOps han crecido en capacidad y complejidad, su consideración de IA responsable/ética se ha rezagado significativamente. En esta charla, nos sumergiremos en las medidas de seguridad éticas que toda solución de MLOps debe implementar para estar preparada para un futuro que se aproxima rápidamente y en cómo estas medidas de seguridad pueden ayudar con el cumplimiento de GDPR (residencia de datos, seguridad de datos, privacidad de datos) y de la Ley Federal de Protección de Datos Personales en Posesión de los Particulares en Mexico, así como satisfacer los futuros requisitos reglamentarios.

Nivel Técnico: 3/7

 

Lo que aprenderá:
Cómo los legisladores están pensando en regular la IA y cómo los requisitos encajan en MLOps, incluyendo la privacidad y la explicabilidad.

1:05 PM
-
1:45 PM EST

Optimizing Field Logistics for Drone Spraying in Complex Scenarios Using Evolutive Computing, Alberto De Obeso, AI Director, Apex Systems

Abstract: 

The best spraying time for Agave is during the night, when the stomata are open, maximizing absorption. This constraint, plus the huge variability of field topologies, difficult access roads, and dependencies on the provision of water and agriculture products, increases the complexity of logistics. Evolutive computing is leveraged to produce three levels of optimization: (1) agriculture plot selection; (2) on-field team assignment to plot and (3) water and agricultural products load.

Idioma: español

 

Nivel Técnico: 3/7

Lo que aprenderá: 
La complejidad logística de las aspersiones se puede superar con algoritmos genéticos

3:15 PM
-
3:55 PM EST

Creación de valor con IA de manera integrada en multiples unidades de negocio y transversal, Leon Palafox, Head of Artificial Intelligence, Algorithia

Abstract: 

Uno de los principales problemas de la Ciencia de Datos, es la dificultad de crear modelos a lo largo de multiples unidades de negocio debido a limitaciones en acceso y manejo de datos. La creación de valor de forma transversal entre diferentes unidades de negocio se potencia utilizando Inteligencia Artificial como herramienta creadora de valor a medida de que podemos combinar datos y expertise en diferentes áreas del conocimiento.


Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

El uso de datos de diferente indole mejora el rendimiento de un modelo de IA

3:15 PM
-
3:55 PM EST

Experimentación de Tensorflow Extended (TFX), David Cardozo, Chief Lead Analyst, Updata Canada

Abstract: 

IEn esta charla daremos un tour guiado de cómo empresas mantienen modelos de aprendizaje de máquinas en producción, cuales son las herramientas más usadas para este tipo de desarrollos, cuales son los problemas y utilidades más comunes durante el desarrollo de estas tecnologías. Hablaremos de GCP y Tensorflow Extended

Idioma: español

 

Nivel Técnico: 5/7

Lo que aprenderá: 

Arquitectura de sistemas en aprendizaje máquinas para contrarrestar los efectos de sesgo de datos (Skew and drift) y cómo podemos adaptar las lecciones de CI/CD de software en el área de aprendizaje de máquinas

4: 05 PM
-
4:35 PM EST

fAIr LAC Jalisco: AI for Real in Mexico, Dr. Enrique Cortes Rello, Director, Artificial Intelligence Hub, Tec de Monterrey

 

​Abstract: 

It is not often that AI is used to solve social problems (health, education, gender), and even less often when intelligent systems are put in use in the real world and results are measured. This is an example: we will discuss lessons learned (good and bad) of our use of AI in Mexico in colaboration with the Interamerican Development Bank and the State of Jalisco

Idioma: español

 

Nivel Técnico: 4/7

 

Lo que aprenderá: 

When you implement AI systems in the real world, the most difficult probelms are not mathematical or technical

4:05 PM
-
4:35 PM EST

Principios Para IA Responsable, Rodrigo Rodriguez, Senior Cloud Solution Architect for Data & AI and Paulo Lacerda, AI Cloud Solution Architect, Microsoft

 

Abstract: 

Las implicaciones sociales de la inteligencia artificial y la responsabilidad de las organizaciones de anticipar y mitigar las consecuencias involuntarias de la tecnología de inteligencia artificial son considerables. Las organizaciones están descubriendo la necesidad de crear directivas, procedimientos y herramientas a nivel interno para guiar sus esfuerzos de IA, tanto si implementan soluciones de IA de terceros como si desarrollan las suyas propias. En Microsoft hemos identificado seis principios que, en nuestra opinión, deberían regir el desarrollo y el uso de la IA: imparcialidad, confiabilidad y seguridad, privacidad y seguridad, inclusión, transparencia y responsabilidad. Para nosotros, estos principios son la piedra angular de un acercamiento responsable y de confianza a la IA, especialmente ahora que la tecnología inteligente es cada vez más frecuente en los productos y servicios de uso cotidiano. Azure Machine Learning admite actualmente herramientas para varios de estos principios, lo que hace que los desarrolladores de ML y los científicos de datos puedan implementar sin problemas la IA responsable en la práctica

Idioma: español

 

Nivel Técnico: 4/7

 

Lo que aprenderá: 

Utilizar la IA de manera responsable y mitigar las consecuencias involuntarias de la Transformación Digital

4: 45 PM
-
5:15 PM EST

Dream Big: Startup Funding with LATAMs Top VCs, Christopher Sanchez, Founder & CEO, Global AI Bill of Rights - Executive Director, Emergent Line / Adolfo Blasco, Principal, NAZCA Ventures / Jimena Pardo, Parner at ALLVP / Eugenio Perea, Venture Partner, Magma Partners

4: 45 PM
-
5:15 PM EST

La Reproducibilidad Y El Control de Versiones Son Importantes: Seguimiento de Experimentos con DvC, Gema Parreno,Developer Advocate, Iterative

 

Abstract: 

Iterar sobre parámetros y enfoques es clave y normal cuando se construyen modelos de aprendizaje automático. Veremos cómo ejecutar, comparar, visualizar y realizar un seguimiento de los experimentos de aprendizaje automático directamente en VS Code. Esta extensión utiliza DVC, una herramienta de gestión de experimentos de ML y control de versiones de datos de código abierto de una manera visual amigable.

 

Nivel Técnico: 4/7

 

Lo que aprenderá: 

La importancia del versionado, la reproducibilidad y estructura en los experimentos de aprendizaje automático la hora de trabajar en entorno local, compartir y cooperar en equipos de Ciencia de Datos

4: 45 PM
-
5:15 PM EST

Una vista hacia el futuro del crédito y la cobranza, Lilia Karen Rivera Escovar, Gerente Sr. en estrategia de datos cobranza y crédito, Algorithia / Banco Azteca

Abstract: 

El otorgamiento de crédito y la cobranza han sido una pareja que han estado presentes a lo largo de la historia de la humanidad. El crédito, principalmente, pues ha fungido el papel de otorgar u ofrecer una oportunidad de acceder a bienes o servicios que de otra forma no sería posible tener. Durante mucho tiempo estos dos factores estuvieron totalmente conocidos y medidos. No obstante, con el avance de la tecnología, el cambio generacional, así como la aparición de pequeñas empresas en servicios financieros han impuesto un nuevo reto para varias instituciones. De acuerdo con lo anterior, el otorgamiento de crédito para los grandes bancos al igual que la cobranza, y otros servicios, se han tornado en un verdadero reto. El objetivo de esta platica es dar una noción de las posibles direcciones hacia las que se dirige la banca en términos de otorgamiento de créditos así como las nuevas formas en las que se podrá hacer la cobranza, logrando de por medio la bancarización de sectores vulnerables.

Nivel Técnico: 2/7

Lo que aprenderá: 

Ofertar la cobranza y el crédito como un servicio y hacia dónde moverán, así como el rebranding de las personas y empresas.

1  SEPTIEMBRE

*Última actualización: Jul 27. Sujeto a cambios menores

12:15 PM
-
12:55 PM EST

CEO y Creador de Lightning. Company: Lightning AI, William Falcon, CEO & Founder, Lightning AI

 

Abstract: 

Everyone that works in the world of artificial intelligence can become overwhelmed by the amount of tools, platforms, and knowledge you need to build a complete machine learning system. For many of us, it can be difficult to know how to get started for ourselves, our teams, and our organizations. Imagine if there was a roadmap that could help you and your colleagues move faster without needing to spend a lot of time or money. In this session we’ll cover how you and your colleagues can accelerate your journey to AI maturity.

Idioma: español

Nivel Técnico: 2/7

 

Lo que aprenderá: 

Puede acelerar su viaje de IA con el plan y la tecnología correctos.

12:15 PM
-
12:55 PM EST

Uncertainty Quantification in Machine Learning Models, Noel Moreno Lemus, Senior Data Scientist, Procter & Gamble

 

Abstract: 

Uncertainty quantification (UQ) gives AI the ability to express that it is uncertain, adding transparency when implementing and using AI/ML models. Many ML models are being developed and put into production every day, however few take into account the quantification of the uncertainties associated with all stages of the process, from the data to the mathematical/computational model behind the predictions. If we don't start considering the uncertainties now, in the near future we are going to have many models unable to make good predictions and, depending on the area, this is going to be a big problems. The idea of ​​this presentation is, in the first place, to draw attention to this problem; second, to identify the different types of uncertainties that can appear in the different stages of development of ML models and third, to show some initiatives that have been developed and can begin to be used in a daily basis.

Idioma: español

 

Nivel Técnico: 7/7

 

What you will learn: 

Highlight the importance of uncertainty quantifying as part of the development of any Machine Learning model

12:15 PM
-
12:55 PM EST

Ploomber: Desarrolla código listo para producción desde Jupyter, VSCode o PyCharm, Eduardo Blancas, CEO, Ploomber

 

Abstract: 

In this workshop, Eduardo will introduce Ploomber. This open-source framework allows practitioners to use interactive platforms such as Jupyter, VSCode, or PyCharm to develop maintainable and reproducible data pipelines (aka workflows). The tutorial will go from zero to testing pipelines on GitHub Actions, using Pull Requests to collaborate, parallel experiments, and execution in distributed environments like Kubernetes and SLURM. Ploomber already runs in production at dozens of companies.

 

Idioma: español

 

Nivel Técnico: 4/7

 

Lo que aprenderá:

Demostrar un flujo de trabajo para usar Jupyter notebooks en producción.

1:05 PM
-
1:45 PM EST

GAN networks & Deepfakes, Paula Martinez, CEO & Co-founder / Rodrigo Beceiro, CTO & Co-founder, Marvik

 

Abstract: 

This talk covers generative neural networks, with which NVIDIA, among others, began to generate realistic faces of people and objects. Details on StyleGAN and other architectures will also be presented. In addition, we will discuss its effect on deepfakes and lessons learned using this type of neural networks in practice.

 

Idioma: español

 

Nivel Técnico: 4/7

Lo que aprenderá:

What are deepfakes and GANs and their different applications.

1:05 PM
-
1:45 PM EST

Changing Companies Culture into a Data Driven Mindset, Dante Tellez, Head of Data & Analytics, Konfio

 

Abstract: 

La cultura es el componente que no permite a las empresas monetizar los datos con AI, según Accenture solo el 6% de las empresas en el mundo tienen datos maduros, entendamos por qué y cómo cambiarlo.

Idioma: español

 

Nivel Técnico: 2/7

 

Lo que aprenderá: 

Implement good data strategy, consider all the component for that , not only stakeholder management, key roles, operational models and so on

3:15 PM
-
3:55 PM EST

Machine Learning Quality, ¿Qué Tan Confiable y Robusto es mi Modelo?, Christian Ramírez Arévalo, Machine Learning Technical Leader, MercadoLibre 

 

Abstract: 

Mientras la mayoría de los esfuerzos en machine learning se han enfocado en mejorar el performance de los modelos, el entendimiento de sí un modelo es confiable o no, ha quedado de lado, y hay un sinfín de preguntas que muchas veces debemos hacernos ¿cómo sabemos si las predicciones de un modelo son confiables? ¿con el tiempo se degradan la calidad de las predicciones que entrega mi modelo? ¿cómo tenemos la certeza que un algoritmo o arquitectura de modelo es más robusta que otra? ¿qué tan susceptible es el modelo a perturbaciones en las entradas? ¿mi modelo es resiliente a ataques adversariales? ¿en qué medida? ¿de qué tipo? ¿Es fácil “engañar” a mi modelo? ¿es coherente con la realidad el tipo de predicciones que genera mi modelo?, para responder estas preguntas y muchas más es que surge el machine learning quality, hoy por hoy distribuído en cuatro grandes ámbitos: Software engineering (las nociones típicas de quality en este sentido aplican) Data quality Models monitoring (a distintos niveles) Ethics (fairness, explainability, etc) En esta sesión abordaremos los últimos 3 puntos y veremos el valor que aportan a la estrategia de negocio

Idioma: español

Nivel Técnico: 2/7

Lo que aprenderá: 

Los modelos "aprenderán" lo que les enseñemos, para que un modelo aporte valor al negocio debemos cuidar su confiabilidad en el tiempo

3:15 PM
-
3:55 PM EST

Deep Learning Para la Previsión de Series de Tiempo, Max Mergenthaler, CEO y Co-Founder, Nixtla

 

Abstract

El pronóstico de series de tiempo tiene una amplia gama de aplicaciones: finanzas, retail, salud, IoT, etc. Recientemente modelos de deep learning como ESRNN o N-BEATS han demostrado tener performance estado del arte en estas tareas. NeuralForecast es una librería de python que hemos desarrollado para facilitar el uso de estos modelos estado del arte a data scientists y developers. Escrita en pytorch, su diseño está enfocado en la usabilidad y reproducibilidad de los experimentos. El objetivo de la plática es introducir a les asistentes a los retos del pronóstico de series de tiempo con Deep Learning así como presentar resultados estado del arte usando NeuralForecast.

Idioma: español

Lo que aprenderá: 

El uso de deep learning para series de tiempo representa un emocionante camino en el creciente campo de la ciencia de datos y existen soluciones open source que pueden ser implementadas por la comunidad.

3:15 PM
-
4:45 PM EST

Automated Machine Learning: Manos a la obra con herramientas Open Source y empresariales, Favio André Vázquez Prieto, Lead Data Scientist Spanish LATAM, H2O.ai

 

Abstract: 

La ciencia de datos está en constante evolución, y uno de los pilares de su presente y futuro es la aceleración en la generación de modelos predictivos con Automated Machine Learning (AutoML). En este taller se planteará el escenario actual y futuro de esta disciplina, montados sobre los nuevos avances en AutoML, demostrando el uso de distintas técnicas, librerías, frameworks y soluciones que optimizan el trabajo de los científicos de datos y los hacen más productivos con la finalidad de potenciar la entrega de valor, y la resolución de problemas de una manera eficiente. Además se hará una introducción a distintas técnicas de interpretabilidad para algoritmos generados con AutoML. Librerías OS que se cubrirán: - Auto-Sklearn - H2O-3 - TPOT - FLAML - Auto-PyTorch Frameworks empresariales: - H2O Driverless AI

Idioma: español

Nivel Técnico: 6/7

Lo que aprenderá: 

Nuevos mecanismos para hacer Machine learning de forma eficiente utilizando herramientas de AutoML

3:15 PM
-
4:45 PM EST

Experiencias Implementando Inteligencia Artificial en Startups, Alejandro Correa Bahnsen, Chief Artificial Intelligence Officer, Rappi / Diego Halffter, VP Data & Analytics, Jüsto /  Benjamin Ardila Martínez, Managing Partner, Neural Design / Estefania Barreto, Head of Data Science, Konfio

 

Abstract: 

En este panel discutiremos sobre los retos de implementar IA en startups. Compartiremos las áreas donde se encuentran las mayores oportunidades. Y hablaremos sobre los retos de contratar y retener talento en este mercado tan competitivo.

Idioma: español

Nivel Técnico: 6/7

Lo que aprenderá: 

Las mejores practicas para construir un equipo de DS/AI