¡Hola!
Somos AI Learners, una comunidad para aprender Inteligencia Artificial y ramas que la componen. Ya sea que conozcas del tema o es algo completamente nuevo para ti y quieres aprender, si te interesa Machine Learning, este evento es para ti. En esta ocasión tenemos las siguientes charlas:
Ciencia de datos en el presente y futuro del trabajo ¿Sigue siendo la ciencia de datos una profesión atractiva para el presente y futuro del trabajo? A partir de esta pregunta, Andrea compartirá su experiencia & anécdotas sobre cómo sigue evolucionando esta profesión y cuáles podrían ser nuevos escenarios para las siguientes personas científicas de datos.
Por: Andrea Monserrat (LinkedIn), Data Scientist en BBVA Actuaria de profesión por la Universidad Autónoma de Querétaro, actualmente trabaja como Data Scientist en BBVA. Con experiencia en el desarrollo de proyectos de IA y ciencia de datos con aplicaciones en educación, salud, tecnología y finanzas. Además de ser mentora en programas como Technovathion Girls, Women Who Code y parte del equipo de voluntarios en Clubes de Ciencia México.
Retrieval-Augmented Generation para Modelos de Lenguaje de Gran Escala (LLMs) En esta charla se explorará qué es la generación mejorada mediante recuperación (RAG) y cómo aborda los desafíos y problemas de las aplicaciones de los LLMs. Discutiremos los componentes de un sistema RAG, las herramientas existentes y ejemplos de casos de uso.
Por: Fernando Adauto (LinkedIn), Senior Machine Learning Engineer en Kavak Egresado de la UPIITA del IPN. Posee una maestría en Ciencia de Datos por la ETH Zürich en Suiza, donde realizó investigaciones evaluando las capacidades de los LLMs. Actualmente, es Ingeniero de Machine Learning en Kavak.
Ataques adversariales y defensas en modelos de aprendizaje profundo Crear modelos de aprendizaje automático confiables, seguros, robustos y justos es fundamental y un desafío central en el aprendizaje automático. Exploraremos los fundamentos, algoritmos y aplicaciones de las técnicas de ataques adversarios, así como técnicas de defensa.
Por: Michelle Diaz (LinkedIn), Machine Learning Engineer en Büchi Labortechnik Michelle es Machine Learning Engineer y estudiante de Ciencia de Datos en ETH Zürich. Con más de 5 años de experiencia construyendo sistemas de aprendizaje automático en áreas como visión por computadora, NLP y quimiometría.
ML Open Source - de modelos pre-entrenados a producción En esta charla, Omar hablará de modelos open-source, los retos para hacer inferencia con ellos, herramientas para su uso optimo a larga escala, tecnicas de entrenamiento eficiente y la construcción de demos open-source.
Por: Omar Sanseviero (LinkedIn), Lead ML Engineer / Head de Plataforma y Comunidad en Hugging Face Omar trabajó en Google como Ingeniero de Software en Google Assistant y TensorFlow. Actualmente, Omar es Lead ML Engineer y Head de Plataforma y Comunidad en Hugging Face, trabajando en la intersección de open source y producto.
¡Te esperamos el Martes 31 de Octubre a las 6pm en Platzi México! Te pedimos llegar puntual, las puertas cerrarán a las 6:30pm y a partir de esa hora ya no se dará acceso.
El evento no tiene ningún costo. ¡Tendremos pizzas!
Nos vemos <3
コメント