Hoy en día la inteligencia artificial está acelerando el ciclo de vida de los productos y de las empresas. Sin embargo, aunque se haya hecho un gran avance en la algoritmia y el desarrollo de aplicaciones, aún queda una gran ausencia para cubrir la última milla. ¿Cómo pongo en producción un modelo de IA que he terminado de desarrollar? Pero, ¿cuál de ellos pongo en producción? En este taller trataremos de enseñar algunas de las herramientas más utilizadas para trackear y loggear toda la información de entrenamiento de cualquiera de los modelos que estemos desarrollando. Y hablaremos de cómo desplegar el modelo que mejor satisfaga nuestras necesidades a un entorno local o en la nube para que cualquiera pueda consumirlo.

Qué veremos:

• Python

• Machine Learning

• MLflow

• ScikitLearning

• Docker

Este workshop está impartido por Eduardo Matallanas, AI Team Lead en Plain Concepts UK. Data Engineer, doctorado en Inteligencia Artificial por la Universidad Politécnica de Madrid. Su tesis se centra en la aplicación de redes neuronales artificiales colaborativas para la optimización del recurso eléctrico. Miembro de la comunidad científica con numerosas publicaciones en revistas internacionales en el ámbito de la aplicación de algoritmos de IA. También es un destacado miembro de la comunidad de desarrolladores en el área de la robótica y la Inteligencia Artificial. Lleva alrededor de una década dedicado a la aplicación y el estudio de algoritmos de IA en diferentes áreas: tratamiento digital de señal, robótica, procesamiento de imágenes y habla, etc. También ha desarrollado diferentes aplicaciones con asistentes virtuales y chatbots para el acompañamiento de trabajadores.

Requisitos:

Los asistentes deben de tener conocimiento básico de Python, así como, conocimiento básico de Machine Learning.