*Hiram habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Hiram quiso decir.

@hirameredin es profesor e investigador de tiempo completo en la Universidad Panamericana. Cuenta con una licenciatura en Ingeniería Mecatrónica y un Ph.D. en Informática. Es antiguo miembro de la Sociedad Mexicana de Inteligencia Artificial. Sus líneas de investigación son IA, sistemas inteligentes y la mecatrónica.

En 2014 fue galardonado con el Premio de la Juventud Ciudad de México y en 2017 se hizo acreedor del Premio Google a la Investigación en América Latina por su trabajo en métodos de IA y cómputo basado en la naturaleza, un método inspirado en la química orgánica, mediante el cual se busca que computadoras y robots sean capaces de transmitir conocimiento a otras máquinas similares.

En una entrevista con Vive USA, Hiram explica que observó reglas de la naturaleza para trasladarlas a un sistema computacional. “Puedo darle al sistema muchos datos, entiende qué significan y provee información sobre el conocimiento que se le da. El método puede usarse para hacer predicciones en la bolsa de valores, climáticas”.

*José habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es mi interpretación y no necesariamente lo que José quiso decir.

@posadajd es profesor asistente de la Universidad del Norte en Colombia. Fue científico senior de datos clínicos en la Escuela de Medicina de Stanford y profesor en la Universidad Autónoma del Caribe. Cuenta con una licenciatura en Ingeniería Electrónica y un Doctorado en Informática Biomédica en la Universidad de Pittsburgh.

Es experto en Informática de la Salud, Inteligencia Artificial y Procesamiento del Lenguaje Natural.

*Pavel habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Pavel quiso decir.

@psorianom es Data Science en Haute Autorité de Santé una autoridad pública de carácter científico en Francia. Es Doctor en Ciencias de la Computación especializado en NLP.

Sus intereses son el NLP y la Minería de Textos. Le gusta crear y utilizar grandes redes extraídas del texto y utilizar sus características lingüísticas para crear espacios de representación únicos y enriquecidos. También le gusta correr esporádicamente y hacer pan.

Objetivo de los datos médicos: 

-Ayudar a los médicos a tomar mejores decisiones en base a una patología. 

-Determinar cuáles son los medicamentos que valen la pena ser subvencionados por el Estado. 

-Ayudar a la creación de mejores políticas públicas en el país.

Recomendaciones para hispanohablantes que desean llegar a la alta autoridad de salud de Francia: 

-Dominar un lenguaje de programación como Python. 

-Aprender a tratar los datos con herramientas elementales como Pandas. 

-Saber utilizar los servidores a distancia.

-Utilizar linux. 

-Relacionar código.

-Aprender inglés. 

-Ser amigable. 

-Estar siempre dispuesto a aprender y a transmitir conocimientos.

*Vladimir habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Vladimir quiso decir.

@ivanvladimir es investigador del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) de la @UNAM en el Departamento de Ciencias de la Computación y también es profesor del curso de Lenguajes Formales y Autómatas en la Facultad de Ingeniería. En ratos libres es voluntario en Technovation México. Su línea de investigación se encuentra en la intersección entre el lenguaje (humano) y la computación. Principalmente el aprendizaje automático, inteligencia artificial y procesamiento del lenguaje natural.

Consejos para aprender Machine Learning:

-Enfocarse en fundamentos matemáticos, pensamiento lógico, etc.

-Pensar qué problemas te gustarían resolver.

-Estar a la vanguardia de los nuevos modelos. Juega con los demos de Hugging Face. Hay mucha literatura en inglés.

-Escuchar podcast y leer blogs sobre el tema.

-Tener curiosidad.

Herramientas tecnológicas que puedes utilizar:

-Pytorch. Es más fácil que otros lenguajes de programación como C++

-Jax. Traduce conceptos matemáticos de redes neuronales a código.

Sobre la educación:

-Tu futuro va a depender de una educación sólida.

-El área de la computación evoluciona rápidamente. Los lenguajes de programación cambian cada 5 o 10 años.

-Para tener éxito en el ML, tenemos que estudiar e investigar constantemente.

*Jocelyn habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Jocelyn quiso decir.

@jocelyndunstane es profesor asistente en la Facultad de Ciencias Físicas y Matemáticas e Investigadora del Centro de Modelamiento Matemático (CMM) en la Universidad de Chile. Tiene un doctorado en Matemática Aplicada y Física Teórica de la Universidad de Cambridge y una Maestría y Licenciatura en Física de la Universidad de Chile.

Está interesada en aplicar métodos de aprendizaje automático para comprender la relación entre el patrón alimentario y la obesidad y el procesamiento del lenguaje natural para apoyar la extracción de información en textos clínicos.

La interdisciplinaridad: 

-La disciplina te permite transicionar fácilmente a otras áreas. 

-Busca ir más allá de lo que una carrera universitaria aporta. 

-En la actualidad, todos los equipos son interdisciplinarios.

Estudio sobre el ML aplicado a la obesidad: 

-Busca predecir la obesidad a partir de la venta de 52 categorías de alimentos en los países.

-El tamaño de la muestra es de 80 países. En el 60% de los casos se pudo predecir el porcentaje de población obesa con menos del 10% de error. 

-Las variables explicativas más significativas fueron las categorías donde se encontraban las bebidas azucaradas, las harinas y los productos pre horneados que venden los supermercados.

-Individualmente, es muy difícil estudiar y registrar la obesidad. Hay muchas variables que no se pueden agregar al modelo.

Recomendaciones para hispanohablantes: 

-Aprender inglés es fundamental.

* Francisco habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Francisco quiso decir.

@fcoclavero32 es líder del equipo de ML y ML Senior Engineer en NotCo. Tiene una licenciatura en ingeniería civil en computación y una maestría en ciencias de la computación en la Universidad de Chile.

Cuenta con experiencia en investigación, desarrollo e implementación de modelos de aprendizaje automático en varias industrias y formatos de datos diferentes. Es experto en metodologías ágiles, desarrollo web y computación en la nube.

¿Qué es NotCo?

-Es una empresa que busca abordar el problema del cambio climático por medio de la industria alimenticia.

-Su objetivo es generar símiles a los productos animales, pero con base en plantas y con la ayuda de la IA.

Futuro de NotCo:

-Encontrar nuevas maneras sustentables de alimentación.

-Crecer con fuerza en el mercado estadounidense. Expandirse a otros países.

-El ML será vital en la industria para ingresar a nuevos mercados.

Recomendaciones para hispanohablantes:

-Tener un conocimiento técnico sólido. Puedes adquirirlo a través de la práctica. Puedes adquirir recursos en la web.

-Trabajar en equipo. Es una de las actividades más importantes en nuestra disciplina.

-Aprender inglés.

-Tener una sólida base estadística para interpretar los resultados de un modelo.

* Thomas habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Thomas quiso decir.

@thecapeador es un chileno que hace aproximadamente 10 años vive en los alpes franceses. Es ingeniero de ML en @weights_biases y es colaborador de fastai y pytorch. Es Ingeniero en Matemáticas Aplicadas de la Universidad de Chile. Posee con un PhD en Matemáticas-Ciencias de la Computación en la Universidad Grenoble Alpes en Francia. Le encantan las computadoras, la cocina y las bicicletas.

Recomendaciones para tener una carrera exitosa como un programador.

-Ser apasionado. Encuentra algo que te guste.

-Documentar lo que haces. Crear contenido.

-Aprender inglés.

-Reimplementa un paper.

Futuro de la IA:

-Veremos más Transformers.

-El concepto de attention llegó para quedarse.

-Para modelos multimodales aún falta.

Recomendaciones para hispanohablantes que quieren trabajar en W&B:

-Usar sus productos y hacer feedback.

-No es necesario tener un doctorado o tener un título universitario.

-Aprender Pytorch y Tensorflow.

*Álvaro habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Álvaro quiso decir.

Álvaro Soto es el director y uno de los investigadores principales del @cen_ia. También es profesor de la Pontificia Universidad Católica de Chile. Tiene un MBA en Ciencias de la Universidad de Louisiana. Cuenta con un PhD de la Universidad de Carnegie Mellon.

Su línea de investigación es la Inteligencia Artificial, la Robótica Cognitiva y el Reconocimiento Visual. Busca convertir a Chile en un polo de desarrollo de inteligencia artificial para Latinoamérica y el mundo a través del CENIA.

¿Qué es el CENIA y cómo contribuye con IA?

-Busca ser un actor relevante en IA en Chile y en LATAM. Distintas entidades y organismos de la región puedan ser partícipes de esta revolución.

-Planea que las tecnologías contribuyan a crear una mejor sociedad con mejores estándares de vida.

-Surge como respuesta a la creación de la política de IA en Chile. Involucra investigadores de distintas universidades.

-Cuentan con apoyo gubernamental y privado, se espera que en un momento lleguen a ser autosustentables.

-Muchos latinoamericanos pueden unirse y contribuir con esta iniciativa.

Futuro de la IA:

-La generación de técnicas de aprendizaje profundo están comenzando a dar frutos, especialmente en datos estructurados como imágenes y textos.

-Las tecnologías seguirán cambiando significativamente nuestros quehaceres cotidianos.

-Construiremos técnicas cognitivas más sofisticadas como modelos de memoria asociativa.

¿Qué es Zippedi?

-Es una startup chilena creada en 2017. Este proyecto utiliza la inteligencia artificial para solucionar problemas en supermercados y tiendas de retail.

-Se trata de un robot que pasea por los pasillos de un supermercado tratando de entender qué pasa con las góndolas de exhibición de productos.

-En sus inicios, Zippedi tenía poca capacidad de contención. Buscaba descifrar los precios e indicar si estaban correctos o no. Luego, comenzó a comprender los tipos de productos existentes y si faltaba algún artículo dentro de la góndola.

-Actualmente hay más de 100 robots instalados en Chile y Estados Unidos.

Habilidades relevantes que debe tener un latinoamericano:

-Trabajo en equipo.

-Tener pasión y motivación por la IA.

-Conocer sobre Python.

-Inglés.

-Tener conocimiento básico en matemática y desarrollo de software.

*Jorge habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que Jorge quiso decir.

Jorge es Senior Software Engineer en Microsoft. Anteriormente, trabajó en importantes empresas como Amazon, Wizeline, Intel y Android. Es ingeniero en Tecnologías de la Información y Comunicaciones del Tecnológico de Monterrey.

Tiene experiencia en múltiples tecnologías que van desde dispositivos móviles (Android/Java) hasta Web (Nodejs/Rails) y desarrollo de plataformas en la nube (Go).

Consejos para hispanohablantes que desean trabajar en una empresa como Microsoft:

-Tener ganas de crecer profesionalmente.

-Si planeas aplicar a empresas extranjeras, prepárate constantemente.

-Construye un plan realista. Cuida tu salud mental. Trabajar en Amazon México no es igual a trabajar Amazon USA.

-Tu experiencia laboral no garantiza una posición de Senior.

-Si consideras que una oportunidad no es para ti, déjala pasar. Llegar al lugar que quiere puede tardar años.

*José habla personalmente y no representando a ninguna empresa o institución de ninguna manera. Toda la información aquí descrita es nuestra interpretación y no necesariamente lo que José quiso decir.

José Cañete (@jocannete) es ingeniero de Machine Learning en el Centro Nacional de Inteligencia Artificial (CenIA) en Chile. Una iniciativa apoyada por el gobierno y sector privado chileno para empujar la inteligencia artificial no solo en Chile sino en todos los países hispanohablantes. El CenIA conjunta investigadores de las mayores universidades chilenas y en los siguientes años escucharemos hablar de ella más y más. José es co creador de BETO, la versión en español más famosa de BERT. Un modelo que cambio el mundo del Machine Learning. Antes trabajó en la Universidad de Chile y como Lead Data Scientist en Adereso Minds.

Comienzo del paper de BETO: ‘’El idioma español es uno de los 5 principales idiomas hablados en el mundo. Sin embargo, encontrar recursos para entrenar o evaluar modelos de lengua española no es una tarea fácil. En este documento, ayudamos a cerrar esta brecha presentando un modelo basado en BERT modelo de lenguaje pre-entrenado exclusivamente con datos en español”.

Podcast: copadas

Habilidades que lo han llevado al éxito:

-Ser multidisciplinario. Desenvolverse en diversas áreas.

-Salir de la zona de confort.

Camino para crear a BETO:

-Profesores en Chile crearon recursos en ML en español. Fue una oportunidad para llegar a personas de habla hispana.

-Recolectaron todo el texto posible en español en BERT para formar el dataset.

-Se sumaron más personas que ayudaron a evaluar el modelo.

Importancia de BERT para el deep learning:

-La parte fundamental del BERT es que su representación final que da el modelo basado en Transformers no es fija.

-La técnica de attention te permite paralelizar las operaciones. Entrenar con corpus gigantes de textos para tener resultados interesantes.

Futuro del NLP:

-Los modelos serán más grandes y más difíciles de entrenar.

-Habrá técnicas para gestionar modelos de forma más eficiente.

-Buenos resultados en tareas concretas. Será un mundo en el que un modelo estará entrenado para realizar varias tareas.

-Los modelos de Transformers seguirán presentes a lo largo del tiempo. Son similares a un computador actual.

-Transformers entrenados para ordenar.

Recursos computacionales para crear un modelo como BETO:

-Datos hardware que se entrenan en GPUs.

Stacks tecnológicos:

-Python, especialmente Pytorch.

-Jupiter Notebooks.

-Colab.

-Script.

-Visual studio code.

-HuggingFace.

Recomendaciones para hispanohablantes:

-Aprender distintas áreas.

-Participar en eventos para formar parte de una comunidad.

-Tener varios hobbies.