SlideShare une entreprise Scribd logo
1  sur  112
Télécharger pour lire hors ligne
Cómo vivir de la Inteligencia Artificial
Carlos Toxtli
Comencemos
De qué hablaremos
● Introducción al estado actual de la IA
● Explicaremos cómo empezar en la Inteligencia Artificial
● Tecnologías actualmente requeridas
● Cómo plantear un proyecto que use IA
● Cómo empezar a generar experiencia
● Cómo promover sus avances
● Cómo emprender negocios basados en IA
● Como emplearse en empresas que usen IA
● Consejos para crear una carrera exitosa en IA
Introducción al estado actual de la IA
¿Qué es la inteligencia artificial?
La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos
de inteligencia humana por parte de máquinas, especialmente sistemas
informáticos. Estos procesos incluyen el aprendizaje (la adquisición de
información y reglas para el uso de la información), el razonamiento (usando las
reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.
Cómo vivir de la inteligencia artificial
Algunos ejemplos de aplicación de IA
La inteligencia artificial se ha implementado prácticamente en todas las áreas,
veamos algunos ejemplos
Predicciones de las elecciones mexicanas
Predicciones de la copa del mundo
No suelen ser muy precisas ya que hay muchos
factores en juego.
Es capaz de entendernos
Aunque creemos
conceptos muy
básicos, la AI puede
crear conceptos más
complejos.
Crear videos controlando a una persona
Se ha logrado que se creen videos
suplantando la identidad de
alguien.
Interactuar por voz de forma natural
Inteligencia artificial que entiende
conversaciones con humanos y es
capaz de contestar dependiendo el
contexto.
Canciones compuestas por IA
Canción compuesta de inicio a fin,
el sistema fue entrenada con
canciones de los Beatles.
Crear cuadros de video para slow motion
Inteligencia artificial que es capaz
de convertir un video grabado de
forma normal a slow motion por
medio de completar imágenes
entre 2 cuadros.
Cómo vivir de la inteligencia artificial
Cómo vivir de la inteligencia artificial
No nos perdamos
El problema de hablar de inteligencia artificial es que siempre se fantasea
mucho y se aborda de una forma poco objetiva, en esta charla trataremos de
aterrizarla en términos prácticos.
Cómo vivir de la inteligencia artificial
1958
La computadora será el primer
dispositivo en pensar cómo el
cerebro humano. Podrá entender su
entorno, reconocerte hablarte por tu
nombre y traducir en tiempo real.
Es posible construir cerebros que
puedan multiplicarse una línea de
producción y ser conscientes.
Rosenblatt murio en un accidente
Cómo vivir de la inteligencia artificial
Geoffrey Hinton el padre de las redes neuronales
Promovido por el gobierno
Actualmente Geoffrey Hinton reside en
Canadá y el gobierno está invirtiendo
en ser un referente en temas de AI.
Y no solo Inteligencia Artificial
También en áreas como la
computación cuántica.
Cómo vivir de la inteligencia artificial
Como empezar en la Inteligencia Artificial
¿Por dónde empiezo?
Lo primero que debes saber es que en la actualidad puedes incorporarte a este
mundo como implementador de técnicas existentes o como creador de nuevas
técnicas.
Creador de nuevas técnicas (Ciencias)
Para proponer nuevos algoritmos se requiere un conocimiento profundo en
varias áreas, incluyendo:
● Algebra lineal
● Estadística
● Sistemas de ecuaciones
● Calculo
● Computo paralelo
● Estructuras de datos
● Lenguajes de programación (usualmente C o Python)
… Entre otras áreas
Implementador de técnicas existentes (Ingeniería)
Como implementador solo necesitas conocer en qué se diferencia cada técnica
de otra y saber cuál emplear según el problema. El proceso de implementar solo
implica adecuar las entradas a las que requiere cada algoritmo, sin necesidad
de programar un algoritmo nuevo. Para ello se requiere:
● Procesamiento de datos
● Lenguajes de programación (usualmente C o Python)
● Computo paralelo
Entre otros
Esta charla la enfocaremos en cómo implementar
Si bien es cierto que los grandes descubrimientos provienen de la generación de
nuevos algoritmos, llegar a un nivel suficiente de entendimiento de las bases
de la inteligencia aartififcial.es tardado y usualmente requiere estudios de
posgrado.
Como implementador eventualmente serás capaz de mejorar técnicas
existentes.
La evolución de los métodos
Una forma sencilla de entender cómo implementar la IA es comparado con un
método convencional de programación. Un método es una pieza de código que
se ejecuta y regresa un resultado, ejemplo:
precio_casa = obten_precio( ubicacion_casa )
El resultado puede ser buscado en una base de datos o calculado en base una
fórmula existente.
La evolución de los métodos
Cuando implementamos una técnica de IA, se implementa de una forma similar a
un método, pero no hay una formula definida para obtener el resultado, y esta
devuelve 2 valores, un valor predicho y el porcentaje de certeza.
precio_casa, porcentaje_certeza = predice_precio( ubicacion_casa )
El resultado es inferido en base a datos previos. No hay una fórmula exacta, se
estima siempre en base a datos semejantes.
Todo es análisis de datos
Para tu ser capaz de dar una respuesta debiste de haber contado con datos
suficientes y estructurados de forma similar para dar una estimación precisa.
Es una habilidad fundamental la administración de datos en todo ingeniero de
IA.
El ejemplo más básico: Hot dog / Not Hot Dog
Para comenzar un ejemplo clásico es el Hot Dog y No Hot Dog. Para eso se
colectan cientos de fotos de Hot Dogs y cientos de fotos de cualquier otra
cosa. Con eso muchas de las técnicas detectar de forma precisa si hay un Hot
Dog.
Así se vería la función
clase_detectada, porcentaje_certeza = hay_un_hot_dog( imagen )
Donde clase_detectada vale “Hot Dog”
Y porcentaje_certeza varía entre 0 y 1
Si el porcentaje es mayor a un valor definido (ej 0.8) entonces si es Hot Dog)
El ejemplo más básico: Hot dog / Not Hot Dog
Como en la serie de SIlicon
Valley
Detectar gatos y perros
Este es el siguiente nivel una vez dominado el ejemplo anterior en este caso
necesitamos 3 sets de datos, cientos de fotos de perros, cientos de gatos y
cientos de cualquier otra cosa (opcional). En este caso la función se vería así:
clases_detectadas, porcentajes_certezas = hay_un_hot_dog( imagen )
Debido a que son más de una categoría, la función regresa un arreglo de datos,
donde:
clases_detectadas[0] vale “perro” y porcentajes_certezas[0] vale por ejemplo 0.4
clases_detectadas[1] vale “gato” y porcentajes_certezas[1] vale por ejemplo 0.9
Entonces es más probable que sea un gato.
Self driving cars, suenan muy lejos, pero es lo mismo
Un auto que se maneja solo, aunque suene muy complejo, es solo la
implementación de varias funciones de IA, este es un ejemplo muy burdo:
clases_detectadas, porcentajes_certezas = vision_sensor_1( imagen_camara )
SI
clases_detectadas[0] == ‘Otro coche detectado’ and porcentajes_certezas[0] < .1
Y
clases_detectadas[1] == ‘Peaton detectado’ and porcentajes_certezas[1] < .1
Entonces CAMBIAR_DE_CARRIL()
Los ingenieros de autos autónomos usan maquetas
Dedicarse a hacer autos autónomos es algo muy alcanzable para cualquier
ingeniero, ya que la gran mayoría de las pruebas se hacen en maquetas y no
en autos reales. Una vez que es 100% eficiente en maquetas se hacen pruebas
en coches. Una escuela puede armar un laboratorio de autos autónomos a un
costo muy bajo.
Clasificación y Regresión
Ya aprendimos estos conceptos con ejemplos:
Regresión es predecir un valor, como el caso de la casa, una casa más
cercana a un centro comercial y vías principales, regresa un valor en precio más
grande, ejemplo 1,000,000
Clasificación es predecir una categoría, en los ejemplos se regresa las “clases”
o categorías a buscar y en base a eso nos regresa si es “perro” o “gato”.
Pero hay un caso extra (Clustering)
Cuando no sabemos los datos que son y necesitamos que la computadora
agrupe los que se parecen entre sí, para posteriormente darles un nombre:
clase_asignada, porcentaje_certeza = asigna_categoria( dato[0] )
clase_asignada, porcentaje_certeza = asigna_categoria( dato[1] )
clase_asignada, porcentaje_certeza = asigna_categoria( dato[2] )
A este caso se le llama Clustering. Un ejemplo burdo es cuando sabes que es un
perro pero tu no sabes la raza, es más fácil asignarla si ya están agrupados.
Aprendizaje supervisado y no supervisado
Cuando nosotros como humanos definimos las posibles categorías como en el
caso de la clasificación, entonces se llama aprendizaje supervisado.
Aprendizaje supervisado también incluye regresión, donde se calculan cifras en
base a cifras previas.
Cuando nosotros no asignamos la categoría, sino dejamos que la computadora
las decidiera como en el caso del clustering, entonces se conoce como
aprendizaje no supervisado.
Listo ya saben lo básico
Con lo aprendido es suficiente para plantear un problema y resolverlo usando
distintas tipos de aprendizaje, ahora a continuación veremos qué técnicas
existen y cuando se emplea cada una.
¿Qué es lo básico que debo saber?
Primero aprendamos a elegir que usaremos
Con unas sencillas preguntas podemos saber si es aprendizaje supervisado o
no supervisado y si es clasificación, regresión o clustering.
¿Necesitas regresar un valor numérico pronosticado? Es aprendizaje
supervisado y usarás regresión.
¿Necesitas regresar de qué tipo es y sabes qué tipos puede haber? Es
aprendizaje supervisado y usarás Clasificación.
¿Necesitas regresar de qué tipo es pero no sabes qué tipos puede haber? Es
aprendizaje no supervisado y usarás Clustering.
Ok y ¿Donde entra Machine Learning?
Machine Learning es el concepto en general de cómo una computadora puede
aprender. El aprendizaje proviene de recibir información novedosa y adecuar sus
parámetros para identificar correctamente nuevos casos. Para esto requiere
mucha información, pero también necesita saber que parámetros (“features”)
analizar.
¿Features?
Sí, necesitamos encontrar en
base a qué parámetros
diferenciar uno de otro, por
ejemplo hay especies de peces
muy similares.
En qué características se fijarían
ustedes para identificarlos.
¿Color, tamaño, número de
aletas?
¿Son las Features elegidas las mejores?
Es complejo elegir las características
más apropiadas. A este proceso se le
conoce como Features Extraction.
Tener pocas o muchas características
que no aporten valor perjudican al
algoritmo. En ocasiones hay que hacer
preprocesamiento.
El siguiente paso es “anotar” (labeling)
Ya que tenemos cada registro de cada espécimen ahora manualmente hay que
especificar que “clase” es, por ejemplo:
Para cuando llegue uno nuevo tratar de predecir que es:
Color Tamaño Aletas CLASS
Dorado 20 5 Tilapia
Plateado 10 6 Atún
Plateado 30 6 Salmón
Color Tamaño Aletas CLASS
Plateado 20 6 ???
Con las Classes y los Features podemos comenzar
Listo ahora si podemos nutrir cualquier algoritmo para generar un resultado.
Los más usados son:
● kNN
● Bayes
● Support Vector Machines
● Neural Networks
● Decision Trees
● Random Forest
Entre muchos otros
Ahora hay que entrenar el modelo
Una vez que tenemos las Classes, los
Features y elegimos un algoritmo. Lo
dejamos entrenando y creando un
archivo llamado Modelo con las reglas
para poder clasificar datos no vistos
anteriormente.
Pero sin buenos Features, no será preciso, pero ...
Como vimos en el ejemplo:
Para predecir
Las features no son suficientes, y si encontramos exponencialmente las
features para ser más precisos, eso hará un procesamiento exhaustivo. Pero
existe una técnica que nos ayuda a este proceso.
Color Tamaño Aletas CLASS
Dorado 20 5 Tilapia
Plateado 10 6 Atún
Plateado 30 6 Salmón
Color Tamaño Aletas CLASS
Plateado 20 6 ???
Deep Learning
Deep Learning se beneficia de la extracción automática de features, lo que nos
ayuda a no preocuparnos por escoger las mejores, y además se ayuda del gran
poder de cómputo actual habilitando Convolutional Neural Networks.
Deep Learning es una caja negra, no se sabe cómo se llega al resultado para
poder revisarlo.
Neural Networks
Las redes neuronales son un modelo para encontrar esa combinación de
parámetros y aplicarla al mismo tiempo. En el lenguaje propio, encontrar la
combinación que mejor se ajusta es "entrenar" la red neuronal. Una red ya
entrenada se puede usar luego para hacer predicciones o clasificaciones, es
decir, para "aplicar" la combinación.
Convolutional Neural Networks
Implica crear varias capas o niveles de procesamiento. Así como vimos en las
redes neuronales que son combinaciones. Estas son combinaciones de
combinaciones en múltiples capas, lo que logra modelos muy complejos y
precisos.
Veamos que necesitamos para Deep Learning
Lo único que necesitamos para entrenar un modelo de predicción usando Deep
Learning es:
● Necesitamos datos “anotados” (clasificados) por lo general más de 100,
pero depende el caso
● Un Framework que soporte Deep Learning (sklearn, Keras, Tensorflow,
Caffe2, PyTorch, etc)
● Lenguaje de programación: Python, Python o C.
Nos ahorramos el paso de elegir las features, e incluso podemos no definir las
capas convolutivas.
¿Y si aún no se Python?
Es uno de los lenguajes más sencillos y poderosos. Lo aprenderás y
dominarás en un par de semanas. Te dejo algunos tutoriales.
https://www.learnpython.org/
https://docs.python.org/3/tutorial/index.html
https://www.tutorialspoint.com/python/index.htm
¿Y qué framework nos recomiendas?
Algunos de ellos son sencillos y algunos más complejos. Yo les recomendaría
estos 3 en el siguiente orden:
1) Keras : Es un framework de frameworks es decir, es capaz de en pocas
líneas de código generar código para Frameworks más complejos como
Tensorflow, Theano y CNTK.
2) Sklearn / TFlearn : Ambos frameworks framework son sumamente sencillos
con muchos ejemplos de código hechos. Ideales para hacer pruebas de
forma veloz.
3) Tensorflow : Fue creado por Google, es de los más completos y
poderosos, pero es más complejo.
Y con qué ejemplo comienzo
Empiecen con el clásico ejemplo de detectar perritos y
gatitos. Las cosas con gatitos siempre son mejores
El código para keras: https://jkjung-avt.github.io/keras-
tutorial/
El código para sklearn / tflearn :
http://www.subsubroutine.com/sub-
subroutine/2016/9/30/cats-and-dogs-and-
convolutional-neural-networks
El código para Tensorflow:
https://medium.com/@curiousily/tensorflow-for-
¿Y solo son para imágenes?
Con lo que aprendas en esos tutoriales ya serás capaz de hacer cualquier
clasificador. Los mismos frameworks también funcionan para texto, audio y
video.
Gracias a técnicas como Natural Language Processing podrás hacer análisis
complejos de texto. En la actualidad se utilizan Word Vectors para entender el
contexto del texto.
Una herramienta muy efectiva es spaCy que incorpora Deep Learning para el
análisis de textos, les dejo un tutorial:
https://spacy.io/usage/training
¿Y qué hay de los bots de videojuegos?
En la actualidad un bot es capaz de acabar
videojuegos o derrotar adversarios en
competencias de videojuegos.
Estos bots utilizan otra técnica, de aprendizaje
no supervisado llamada Reinforcement
Learning.
(Deep) Reinforcement Learning
Es un área del aprendizaje automático inspirada en la psicología conductista,
cuya ocupación es determinar qué acciones debe escoger un agente de software
en un entorno dado con el fin de maximizar alguna noción de "recompensa" o
premio acumulado.
Funcionan a modo de prueba y error, es decir, si por serie de combinaciones (en
el caso de los juegos, mover la palanca y apretar botones) recibe un premio en el
futuro, entonces aprende a encontrar de forma más rápida (en menos
movimientos) esa recompensa.
Una técnica muy usada es la Deep Q-network (DQN)
Se basa en tablas de recompensas. En los estados
en que es posible recibir una recompensa, es fácil
decidir cuál es la mejor acción: la que obtiene la
mayor recompensa a presente y a futuro.
(Double) Deep Q Learning
Les dejo un ejemplo y un tutorial para que lo hagan
Ambiente:
https://gym.openai.com/envs/Breakout-
v0/
Solución:
https://github.com/vy007vikas/OpenAI-
Gym-
Solutions/blob/master/Atari/breakout.py
Ya me piqué, y después qué sigue ...
Tan solo con las técnicas que hemos visto, serán capaces de:
● Componer música
● Crear obras de arte
● Hacer que un robot aprenda a caminar
● Hacer que un robot aprenda a jugar futbol
● Saber que enfermedad tienes en base a tus síntomas
● Saber que va a comprar un cliente en base a su comportamiento
Y mucho mucho más
Les dejo código de algunas ...
Generative Artificial Intelligence
Es capaz de crear contenido, por
ejemplo cambiarle la cara a 2
personas.
Código:
https://github.com/deepfakes/faceswap
AutoML
Hacer que la máquina se entrene,
pruebe y mejore sola. Ella se encarga
de ajustarse hasta lograr porcentajes de
Accuracy.
Dejo un ejemplo del código necesario
para que la computadora haga todo por
ti: http://automl.github.io/auto-
sklearn/stable/
EL bot que hace llamadas de Google
Recuerdan la llamada casi real
donde entendía perfectamente y
respondía a personas reales.
Aquí les dejo la liga del artículo
que explica como funciona:
https://ai.googleblog.com/2018/05/d
uplex-ai-system-for-natural-
conversation.html
Generative Artificial Intelligence
Puedes también crear videos de otra
persona diciendo algo.
Aquí esta el paper donde dicen como
hacerlo:
http://grail.cs.washington.edu/projects/A
udioToObama/
¿Nos dejas un paper?
Si, todo el nuevo conocimiento se plasma en un paper, que es un texto
científico donde describen cómo hacerlo. La última tecnología es probable que
solo la encuentras en textos científicos.
Los artículos científicos los pueden ver en http://scholar.google.com/
Y en caso de ser necesario pueden usar un proxy para abrir algunos artículos
científicos: https://sci-hub.tw/
¿Donde me entero de lo nuevo que va saliendo?
El canal de Siraj Raval:
https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
Wired: https://www.wired.com/tag/artificial-intelligence/
El blog de Google: https://ai.googleblog.com/
El blog de Facebook: https://research.fb.com/blog/
MIT: http://news.mit.edu/topic/artificial-intelligence2
Arxiv: http://www.arxiv-sanity.com/
Google Alerts: https://www.google.com/alerts
Ya tengo noción de cómo implementar ¿Qué sigue?
Conforme vayas practicando las técnicas serás capaz de dar solución a
cualquier problema de Inteligencia Artificial.
Ahora sigue dar a conocer tu trabajo, prepararte para laborar o para emprender
en el mundo de la inteligencia artificial.
Te dejaré unos tips para que tengas éxito en tu incursión a la IA.
Incursionando en la Inteligencia Artificial
Publica todo lo que hagas
Publica cada cosa que hagas, por ejemplo:
● Tu resultado después de haber seguido un tutorial
● Una versión modificada de cada tutorial (por ejemplo si detectas, perro, gato
o caballo)
● Crea proyectos personales de prueba para probar cosas sencillas (por
ejemplo trata de predecir algo sencillo como el melate)
● Escribe tu experiencia de como te fue implementandolo.
● Mejora algún código que hayas descargado
Todo cuenta
Donde publico
Algunos de los que menciono son OBLIGATORIOS, por lo que si no los tienen
aún es tiempo de crear su cuenta.
● GitHub (Obligatorio)
● Linkedin (Obligatorio)
● Website personal (Obligatorio)
● En un blog (Medium está ganando importancia)
● En un video (Los videos de youtube tienen mucha tracción)
● En redes sociales (Serás percibido como experto si muestras tus pruebas)
Y en todos los lugares donde se te ocurra, tu nombre y la palabra Artificial
Intelligence (OjO en inglés) deben aparecen juntas en internet
¿Y si no tengo sitio web?
Es bien fácil y gratuito. Hay muchas formas de hacerlo pero te paso una que a
mi me ha funcionado.
● Crea un sitio con GitHub Pages, aquí vienen las instrucciones
https://pages.github.com/
● Ligalo a un nombre de dominio tuyo (ejemplo: carlostoxtli.com), aquí
vienen las instrucciones: https://help.github.com/articles/using-a-custom-
domain-with-github-pages/
● SI no tienes nombre de dominio, puedes crear uno gratuito aquí:
http://www.freenom.com/
¿Y qué pongo si no tengo mucha experiencia?
Todo cuenta para tu Curriculum en sistemas
● Cada proyecto escolar
● Cada tutorial terminado
● Cada proyecto personal
● Cada curso tomado
● Los skills (habilidades/tecnologías) que has aprendido
● Donde has estudiado
● Que artículos has escrito (cuentan entradas de blog)
Y todo aquello COMPROBABLE debe ir en tu CV o Résumé.
Vale ya tengo todo listo para que me miren, y ahora
El primer paso es conocer de todo un poco, hacer ejercicios de varias técnicas
te ayudará a plantear problemas más complejos.
El siguiente paso es perfilarte, identificar qué área te interesa más, conocer
cómo está evolucionando el sector y proponer proyectos complejos que
demuestran que puedes resolver un problema de inicio a fin con esa
tecnología.
Vamos a echar un ojo al panorama actual de la inteligencia artificial.
El panorama actual
Fuente: Udacity
Hagamos cuentas
De acuerdo con el New York Times, solo hay 10,000 expertos en IA en el
mundo.
De las universidades más prestigiosas se gradúan alrededor de 250 alumnos al
año. Si tomamos las top 10 universidades tendríamos 2,500 egresados.
Es decir que en 2 años tendríamos 15,000 expertos y aún faltarían
2,285,000 puestos de trabajo por cubrir …
¿Quiénes serán ellos?
USTEDES
Egresados en
números
Licenciatura
Maestría
Doctorado
Y a quienes están contratando actualmente
Qué les parece si vamos a Linkedin, el sitio con la mayor cantidad de
profesionistas registrados y buscamos por plazas como Artificial Intelligence
Engineer, Machine Learning Engineer, Deep Learning Engineer, etc.
Estos son los resultados:
Veamos que estudiaron los primeros resultados
Y ¿nuestros compatriotas? ¿los que no son de CMU?
Cómo vivir de la inteligencia artificial
Muchos llegaron solo por cursos en línea
Es importante tomen cursos
en línea sobre todo los cursos
que vean que más gente que
ya labora tomó.
Hay incluso algunos que te
contratan al terminar el
curso.
Nanodegree Plus te ofrecen trabajo cuando terminas
Y creanme que vale la pena el esfuerzo
Un egresado que trabaja en inteligencia
artificial gana
$225,000 pesos al mes en promedio
Muchos “Buenos sueldos” en México
ganan eso al año.
Está de moda el Early Retirement
Con los sueldos de la industria
tecnológica, basta con ahorrar el 75%
de tu sueldo por 6 años para vivir el
resto de tu vida sin trabajar. Esto es
real y hay muchas guías en internet
para lograrlo:
http://earlyretirementextreme.com/
https://www.mrmoneymustache.com/
Suena bien, que hago para que me contraten
El proceso de contratación no es nada sencillo, debes ser experto primero en:
● Estructuras de datos
● Algoritmos
● Manipulación de bits
● Análisis de algoritmos (complejidad espacio tiempo)
En temas de datos suelen preguntar
● Métodos de Machine Learning (proponerlo, justificarlo y explicarlo)
● SQL y Exploratory Data Analysis
● Explicar la teoría de los métodos de ML, los parámetros como se ajustan.
● Explica alguno de tus proyectos que usen conceptos complejos de ML.
Cómo vivir de la inteligencia artificial
No es fácil, es mejor hacer experiencia primero
En México múltiples empresas están implementando algoritmos de inteligencia
artificial, por lo que hay muchas oportunidades actualmente para hacer
experiencia.
Otra opción es emprender, crear tu propio negocio de Inteligencia Artificial.
Algunos consejos para terminar
Inicia tu negocio (Startup)
● Piensa en un problema que se pueda beneficiar de mucho al analizar datos.
● Los gobiernos ya tienen sus datos abiertos, por ejemplo:
○ https://datos.gob.mx/
○ https://data.worldbank.org/
○ http://data.un.org/
● Existen grandes repositorios con toda la información de algunas plataformas
○ https://cloud.google.com/bigquery/public-data/
○ https://www.kaggle.com/datasets
● Crea tu base de datos creando tu aplicación y recolectando información con
la que en un futuro puedas ofrecer servicios inteligentes.
Cómo vivir de la inteligencia artificial
Cómo vivir de la inteligencia artificial
Obtén fondos para arrancar tu negocio
Puedes aplicar a distintas fuentes de inversión como:
● Fondos de inversión
○ 500
○ Y Combinator
○ NXTP Labs
○ Entre muchas otras
● Crowdfunding
○ Indiegogo
○ Kickstarter
○ Play Business
● Procura ver todas las opciones posibles antes de pedir un préstamo.
Pero no todo es emplearse o emprender
También existe la investigación que es muy bonita, ya que es donde se crean las
nuevas técnicas ya que existe presupuesto para probar conceptos que después
serán implementados en la industria. Para estas áreas generalmente se llega a
través de un doctorado (Ph.D.).
Existen múltiples áreas de investigación pero 2 de las más comunes para
inteligencia artificial son:
● Algoritmos
● Human Computer Interaction
Áreas de Investigación: Algoritmos
Consiste en crear algoritmos más eficientes, se publican tanto nuevos
algoritmos para casos generales o específicos, así como mejoras incrementales a
algoritmos existentes.
Human Computer Interaction (HCI)
Consiste en implementar tecnología y estudiar el impacto en los humanos. En
el caso de la inteligencia artificial, no siempre implica el crear nuevos algoritmos,
sino se enfoca en implementarlos en distintos aspectos de la vida diaria y estudiar
la experiencia del usuario.
Apliquen a Internships
Durante las vacaciones de verano pueden trabajar en empresas de todo el
mundo. Busquen en los sitios web de cada compañía por oportunidades de
internships. Tendrás la oportunidad de trabajar y ganar experiencia en la empresa
de tu preferencia.
Una buena fuente es buscarlos en Google Jobs:
https://www.google.com/search?q=internship&ibp=htl;jobs&htivrt=jobs
Trabaja en línea
Es una buena forma de ganar experiencia, la mejor plataforma con mayor
cantidad de trabajo es http://www.upwork.com . La ventaja es que no necesitas
permiso de trabajo para trabajar para otros países.
Si quieres comenzar con facilidades, pidan a su primer empleador que los
contrate por esa plataforma, de esa forma tendrás algo que demostrar para que
otros empleadores confíen en tu trabajo.
Crea un CV con ayuda de la IA
Utiliza los beneficios de la IA para generar un CV impactante
http://rezscore.com/
Aprende o practica tu inglés
Consume contenido en inglés, suele ser el más actualizado, si se te complica
entenderlo pon subtítulos en INGLÉS, te ayudará a aprender la terminología.
Algunos sitios recomendados son:
https://www.duolingo.com/
https://www.speaky.com/es/
https://www.busuu.com/es
Ver videos en inglés con subtítulos en inglés es muy recomendable. En
Youtube es una muy buena opción habilitarlos en videos en inglés.
¡ Viajen !
Y si pueden viajen a Silicon Valley
Les servirá para conocer como es el
ambiente en la capital del
emprendimiento y la tecnología. Además
pueden situar su Linkedin en San
Francisco y les llegarán ofertas de
trabajo de esa área.
Aquí se muestra como una cuenta falsa
recibe múltiples de ofertas de trabajo.
Haz seguimiento de donde ven tu sitio
Hay plataformas como
Google Analytics o
StatCounter que te
permiten conocer
quienes están viendo tu
sitio web.
Participa en proyectos de Open Source
Vuélvete experto en Git, aprende a como colaborar en proyectos. Proyectos
conocidos en los que has colaborado ayuda a demostrar tu nivel de código.
Busca en GitHub proyectos en los que puedas contribuir? Estas ligas muestran
algunos proyectos para comenzar a contribuir:
https://github.com/showcases/great-for-new-contributors
https://help.github.com/articles/helping-new-contributors-find-your-project-with-
labels/
Vayan armando una computadora poco a poco
Lo único que importa al armar una computadora para Machine Learning es la
tarjeta de video, ya que esta cuenta con GPUs que son bastante más rápidos
que los CPUs. Empiecen con al menos una tarjeta de video NVIDIA que soporte
CUDA con al menos 1024 GPU cores.
Asistan a eventos y unanse a comunidades
Una forma de conocer personas activas en la comunidad, de posicionarse y
hacerse conocer en su entorno es acudiendo a eventos. Existen varios eventos
en la ciudad de México en los cuáles pueden congregarse, por ejemplo:
https://www.meetup.com/es-ES/thedatapub/
https://www.meetup.com/es-ES/saxsaBigDataMexico/
https://www.meetup.com/es-ES/Meetup-de-Bots-en-Ciudad-de-
Mexico/?_locale=es-ES
https://www.facebook.com/groups/botsLATAM/
Estarás motivado siempre y cuando confíes
La gente tiene un gran interés en obtener conocimiento sobre eventos futuros
que creen que serán positivos. De la misma forma, muestran un gran
desinterés por conocer más información de eventos que creen que serán
negativos.
Conclusiones
● Hay más oportunidades que nunca para egresados en CIencias de Datos e
Inteligencia Artificial.
● Ahora ya conocen cómo crear una carrera exitosa en esta área, ahora es
solo dedicar suficiente tiempo para lograrlo.
● No es fácil, y en muchas ocasiones lleva mucho tiempo de crear
experiencia, pero tarde o temprano lograrán su meta.
● Exploren el mundo y las necesidades de cada región, aprendan de cómo
otros las han resuelto y aprendan de su experiencia.
● Es la mejor epoca de historia para desempeñarse en Inteligencia Artificial y
no hay pretextos para no sobresalir en esta área.
Gracias
Contacto:
@ctoxtli
facebook.com/carlos.toxtli
http://www.carlostoxtli.com

Contenu connexe

Tendances

(17) digital marketing overview ppt ah authors
(17) digital marketing overview  ppt ah authors(17) digital marketing overview  ppt ah authors
(17) digital marketing overview ppt ah authorsHariharanAmutha1
 
Usaha Sosis Bakar
Usaha Sosis BakarUsaha Sosis Bakar
Usaha Sosis Bakar22kumara
 
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017Jasa Pembuatan Website Universitas - Website Kampus - 081333555017
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017'Agus DistroBlogger
 
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKM
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKMStrategi Digital Marketing, Sosial Media Untuk Promosi Online UMKM
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKMAnjrah Susanto
 
Marketing 4.0 by Hermawan Kartajaya
Marketing 4.0 by Hermawan KartajayaMarketing 4.0 by Hermawan Kartajaya
Marketing 4.0 by Hermawan KartajayaMr Nyak
 
Guía Profesional de Publicidad en Redes Sociales 2015
Guía Profesional de Publicidad en Redes Sociales 2015Guía Profesional de Publicidad en Redes Sociales 2015
Guía Profesional de Publicidad en Redes Sociales 2015CARMEN JIMENEZ BORENTE
 
Digital Marketing (Bahasa)
Digital Marketing (Bahasa)Digital Marketing (Bahasa)
Digital Marketing (Bahasa)Herdi Widiantoro
 
Digital Marketing Complete tutorial
Digital Marketing Complete tutorialDigital Marketing Complete tutorial
Digital Marketing Complete tutorialRAHUL CHAVAN
 
Google Adwords: ¿Cómo funciona?
Google Adwords: ¿Cómo funciona?Google Adwords: ¿Cómo funciona?
Google Adwords: ¿Cómo funciona?Luigi Trisoglio
 
Memahami konsep pemasaran online (lanjutan)
Memahami konsep pemasaran online (lanjutan)Memahami konsep pemasaran online (lanjutan)
Memahami konsep pemasaran online (lanjutan)PRIMADANU WICAKSONO
 
Membuat Landing Page Online Shop
Membuat Landing Page Online ShopMembuat Landing Page Online Shop
Membuat Landing Page Online Shopswirawan
 
PPT DP Parfum.pptx
PPT DP Parfum.pptxPPT DP Parfum.pptx
PPT DP Parfum.pptxGalmChiper1
 
Manajemen Social Media untuk Bisnis
Manajemen Social Media untuk BisnisManajemen Social Media untuk Bisnis
Manajemen Social Media untuk Bisnisyogasdesign
 
Digital Marketing PPT.pdf
Digital Marketing PPT.pdfDigital Marketing PPT.pdf
Digital Marketing PPT.pdfTanuThakur38
 
Digital marketing-overview-top-20-marketing-strategies
Digital marketing-overview-top-20-marketing-strategiesDigital marketing-overview-top-20-marketing-strategies
Digital marketing-overview-top-20-marketing-strategiesManish Chaudhary
 
Should Business Move to the Cloud (Bahasa)
Should Business Move to the Cloud (Bahasa)Should Business Move to the Cloud (Bahasa)
Should Business Move to the Cloud (Bahasa)Azhar Ilyas
 

Tendances (16)

(17) digital marketing overview ppt ah authors
(17) digital marketing overview  ppt ah authors(17) digital marketing overview  ppt ah authors
(17) digital marketing overview ppt ah authors
 
Usaha Sosis Bakar
Usaha Sosis BakarUsaha Sosis Bakar
Usaha Sosis Bakar
 
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017Jasa Pembuatan Website Universitas - Website Kampus - 081333555017
Jasa Pembuatan Website Universitas - Website Kampus - 081333555017
 
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKM
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKMStrategi Digital Marketing, Sosial Media Untuk Promosi Online UMKM
Strategi Digital Marketing, Sosial Media Untuk Promosi Online UMKM
 
Marketing 4.0 by Hermawan Kartajaya
Marketing 4.0 by Hermawan KartajayaMarketing 4.0 by Hermawan Kartajaya
Marketing 4.0 by Hermawan Kartajaya
 
Guía Profesional de Publicidad en Redes Sociales 2015
Guía Profesional de Publicidad en Redes Sociales 2015Guía Profesional de Publicidad en Redes Sociales 2015
Guía Profesional de Publicidad en Redes Sociales 2015
 
Digital Marketing (Bahasa)
Digital Marketing (Bahasa)Digital Marketing (Bahasa)
Digital Marketing (Bahasa)
 
Digital Marketing Complete tutorial
Digital Marketing Complete tutorialDigital Marketing Complete tutorial
Digital Marketing Complete tutorial
 
Google Adwords: ¿Cómo funciona?
Google Adwords: ¿Cómo funciona?Google Adwords: ¿Cómo funciona?
Google Adwords: ¿Cómo funciona?
 
Memahami konsep pemasaran online (lanjutan)
Memahami konsep pemasaran online (lanjutan)Memahami konsep pemasaran online (lanjutan)
Memahami konsep pemasaran online (lanjutan)
 
Membuat Landing Page Online Shop
Membuat Landing Page Online ShopMembuat Landing Page Online Shop
Membuat Landing Page Online Shop
 
PPT DP Parfum.pptx
PPT DP Parfum.pptxPPT DP Parfum.pptx
PPT DP Parfum.pptx
 
Manajemen Social Media untuk Bisnis
Manajemen Social Media untuk BisnisManajemen Social Media untuk Bisnis
Manajemen Social Media untuk Bisnis
 
Digital Marketing PPT.pdf
Digital Marketing PPT.pdfDigital Marketing PPT.pdf
Digital Marketing PPT.pdf
 
Digital marketing-overview-top-20-marketing-strategies
Digital marketing-overview-top-20-marketing-strategiesDigital marketing-overview-top-20-marketing-strategies
Digital marketing-overview-top-20-marketing-strategies
 
Should Business Move to the Cloud (Bahasa)
Should Business Move to the Cloud (Bahasa)Should Business Move to the Cloud (Bahasa)
Should Business Move to the Cloud (Bahasa)
 

Similaire à Cómo vivir de la inteligencia artificial

Inteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to HeroInteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to HeroCarlos Toxtli
 
Ficha 1- Primeros pasos.pdf
Ficha 1- Primeros pasos.pdfFicha 1- Primeros pasos.pdf
Ficha 1- Primeros pasos.pdfpitagorico64
 
Capitulo 1 introduccion a la inteligencia artificial aux
Capitulo 1 introduccion a la inteligencia artificial   auxCapitulo 1 introduccion a la inteligencia artificial   aux
Capitulo 1 introduccion a la inteligencia artificial auxnandourrutia
 
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdf
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdfSesion-1-Carlos-Real-y-Antonio-Gazquez.pdf
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdfJuan225106
 
Fundamentos de programación
Fundamentos de programaciónFundamentos de programación
Fundamentos de programaciónZarlenin docente
 
Fundamentos de programación
Fundamentos de programaciónFundamentos de programación
Fundamentos de programaciónIng Cabrera
 
Monografía CLH
Monografía CLHMonografía CLH
Monografía CLHL M
 
Formulación de Algoritmos.pptx
Formulación de Algoritmos.pptxFormulación de Algoritmos.pptx
Formulación de Algoritmos.pptxAylinmartinez36
 
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdf
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdfGuia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdf
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdfDemetrio Ccesa Rayme
 
¿Para qué estudiar sistemas?
¿Para qué estudiar sistemas?¿Para qué estudiar sistemas?
¿Para qué estudiar sistemas?Carlos Toxtli
 
Introducción al Machine learning en Android
Introducción al Machine learning en AndroidIntroducción al Machine learning en Android
Introducción al Machine learning en AndroidVictor Alfonso Rodas Oña
 
Lógica de programación basica
Lógica de programación basicaLógica de programación basica
Lógica de programación basicaJackeline Quintero
 
Tema 1 Introducción a la Programación.pptx
Tema 1 Introducción a la Programación.pptxTema 1 Introducción a la Programación.pptx
Tema 1 Introducción a la Programación.pptxdocmarcoantoniosotov
 
Lógica de programación basico
Lógica de programación basicoLógica de programación basico
Lógica de programación basicojacky2414
 
Instituto tecnologico de cancun \Tarea progra unidad 2
Instituto tecnologico de cancun \Tarea progra unidad 2Instituto tecnologico de cancun \Tarea progra unidad 2
Instituto tecnologico de cancun \Tarea progra unidad 2justo morales
 
Tercera entrega de proyecto
Tercera entrega de proyectoTercera entrega de proyecto
Tercera entrega de proyectoJuan Garza
 
Machine learning for business
Machine learning for businessMachine learning for business
Machine learning for businessFran Castillo
 
Instituto tecnologico de cancun\ Tarea unidad 2
Instituto tecnologico de cancun\ Tarea unidad 2Instituto tecnologico de cancun\ Tarea unidad 2
Instituto tecnologico de cancun\ Tarea unidad 2justo morales
 

Similaire à Cómo vivir de la inteligencia artificial (20)

Inteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to HeroInteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to Hero
 
Ficha 1- Primeros pasos.pdf
Ficha 1- Primeros pasos.pdfFicha 1- Primeros pasos.pdf
Ficha 1- Primeros pasos.pdf
 
Fundamento de programacion
Fundamento de programacionFundamento de programacion
Fundamento de programacion
 
Capitulo 1 introduccion a la inteligencia artificial aux
Capitulo 1 introduccion a la inteligencia artificial   auxCapitulo 1 introduccion a la inteligencia artificial   aux
Capitulo 1 introduccion a la inteligencia artificial aux
 
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdf
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdfSesion-1-Carlos-Real-y-Antonio-Gazquez.pdf
Sesion-1-Carlos-Real-y-Antonio-Gazquez.pdf
 
Fundamentos de programación
Fundamentos de programaciónFundamentos de programación
Fundamentos de programación
 
Fundamentos de programación
Fundamentos de programaciónFundamentos de programación
Fundamentos de programación
 
Monografía CLH
Monografía CLHMonografía CLH
Monografía CLH
 
Formulación de Algoritmos.pptx
Formulación de Algoritmos.pptxFormulación de Algoritmos.pptx
Formulación de Algoritmos.pptx
 
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdf
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdfGuia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdf
Guia Docente Aprendizaje de la Inteligencia Artificial Ccesa007.pdf
 
¿Para qué estudiar sistemas?
¿Para qué estudiar sistemas?¿Para qué estudiar sistemas?
¿Para qué estudiar sistemas?
 
Introducción al Machine learning en Android
Introducción al Machine learning en AndroidIntroducción al Machine learning en Android
Introducción al Machine learning en Android
 
Lógica de programación basica
Lógica de programación basicaLógica de programación basica
Lógica de programación basica
 
Tema 1 Introducción a la Programación.pptx
Tema 1 Introducción a la Programación.pptxTema 1 Introducción a la Programación.pptx
Tema 1 Introducción a la Programación.pptx
 
Lógica de programación basico
Lógica de programación basicoLógica de programación basico
Lógica de programación basico
 
Instituto tecnologico de cancun \Tarea progra unidad 2
Instituto tecnologico de cancun \Tarea progra unidad 2Instituto tecnologico de cancun \Tarea progra unidad 2
Instituto tecnologico de cancun \Tarea progra unidad 2
 
Inteligencia Artificial.pdf
Inteligencia Artificial.pdfInteligencia Artificial.pdf
Inteligencia Artificial.pdf
 
Tercera entrega de proyecto
Tercera entrega de proyectoTercera entrega de proyecto
Tercera entrega de proyecto
 
Machine learning for business
Machine learning for businessMachine learning for business
Machine learning for business
 
Instituto tecnologico de cancun\ Tarea unidad 2
Instituto tecnologico de cancun\ Tarea unidad 2Instituto tecnologico de cancun\ Tarea unidad 2
Instituto tecnologico de cancun\ Tarea unidad 2
 

Plus de Carlos Toxtli

Reproducibility in artificial intelligence
Reproducibility in artificial intelligenceReproducibility in artificial intelligence
Reproducibility in artificial intelligenceCarlos Toxtli
 
Autom editor video blooper recognition and localization for automatic monolo...
Autom editor  video blooper recognition and localization for automatic monolo...Autom editor  video blooper recognition and localization for automatic monolo...
Autom editor video blooper recognition and localization for automatic monolo...Carlos Toxtli
 
Artificial intelligence and open source
Artificial intelligence and open sourceArtificial intelligence and open source
Artificial intelligence and open sourceCarlos Toxtli
 
Bots in robotic process automation
Bots in robotic process automationBots in robotic process automation
Bots in robotic process automationCarlos Toxtli
 
How to implement artificial intelligence solutions
How to implement artificial intelligence solutionsHow to implement artificial intelligence solutions
How to implement artificial intelligence solutionsCarlos Toxtli
 
Multimodal emotion recognition at utterance level with spatio-temporal featur...
Multimodal emotion recognition at utterance level with spatio-temporal featur...Multimodal emotion recognition at utterance level with spatio-temporal featur...
Multimodal emotion recognition at utterance level with spatio-temporal featur...Carlos Toxtli
 
Changing paradigms in ai prototyping
Changing paradigms in ai prototypingChanging paradigms in ai prototyping
Changing paradigms in ai prototypingCarlos Toxtli
 
ExperTwin: An Alter Ego in Cyberspace for Knowledge Workers
ExperTwin: An Alter Ego in Cyberspace for Knowledge WorkersExperTwin: An Alter Ego in Cyberspace for Knowledge Workers
ExperTwin: An Alter Ego in Cyberspace for Knowledge WorkersCarlos Toxtli
 
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018Carlos Toxtli
 
Education 3.0 - Megatendencias
Education 3.0 - MegatendenciasEducation 3.0 - Megatendencias
Education 3.0 - MegatendenciasCarlos Toxtli
 
Understanding Political Manipulation and Botnets - RightsCon
Understanding Political Manipulation and Botnets - RightsConUnderstanding Political Manipulation and Botnets - RightsCon
Understanding Political Manipulation and Botnets - RightsConCarlos Toxtli
 
Understanding Chatbot-Mediated Task Management
Understanding Chatbot-Mediated Task ManagementUnderstanding Chatbot-Mediated Task Management
Understanding Chatbot-Mediated Task ManagementCarlos Toxtli
 
Single sign on spanish - guía completa
Single sign on   spanish - guía completaSingle sign on   spanish - guía completa
Single sign on spanish - guía completaCarlos Toxtli
 
Los empleos del futuro en Latinoamérica
Los empleos del futuro en LatinoaméricaLos empleos del futuro en Latinoamérica
Los empleos del futuro en LatinoaméricaCarlos Toxtli
 
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...Carlos Toxtli
 
RPA (Robotic Process Automation)
RPA (Robotic Process Automation)RPA (Robotic Process Automation)
RPA (Robotic Process Automation)Carlos Toxtli
 
Chatbots + rpa (robotic process automation)
Chatbots + rpa (robotic process automation)Chatbots + rpa (robotic process automation)
Chatbots + rpa (robotic process automation)Carlos Toxtli
 
Estrategias tecnológicas de crecimiento acelerado para startups
Estrategias tecnológicas de crecimiento acelerado para startupsEstrategias tecnológicas de crecimiento acelerado para startups
Estrategias tecnológicas de crecimiento acelerado para startupsCarlos Toxtli
 
Tecnología del futuro, predicciones a 10 años - CiComp
Tecnología del futuro, predicciones a 10 años - CiCompTecnología del futuro, predicciones a 10 años - CiComp
Tecnología del futuro, predicciones a 10 años - CiCompCarlos Toxtli
 

Plus de Carlos Toxtli (20)

Reproducibility in artificial intelligence
Reproducibility in artificial intelligenceReproducibility in artificial intelligence
Reproducibility in artificial intelligence
 
Autom editor video blooper recognition and localization for automatic monolo...
Autom editor  video blooper recognition and localization for automatic monolo...Autom editor  video blooper recognition and localization for automatic monolo...
Autom editor video blooper recognition and localization for automatic monolo...
 
Artificial intelligence and open source
Artificial intelligence and open sourceArtificial intelligence and open source
Artificial intelligence and open source
 
Bots in robotic process automation
Bots in robotic process automationBots in robotic process automation
Bots in robotic process automation
 
How to implement artificial intelligence solutions
How to implement artificial intelligence solutionsHow to implement artificial intelligence solutions
How to implement artificial intelligence solutions
 
Multimodal emotion recognition at utterance level with spatio-temporal featur...
Multimodal emotion recognition at utterance level with spatio-temporal featur...Multimodal emotion recognition at utterance level with spatio-temporal featur...
Multimodal emotion recognition at utterance level with spatio-temporal featur...
 
Changing paradigms in ai prototyping
Changing paradigms in ai prototypingChanging paradigms in ai prototyping
Changing paradigms in ai prototyping
 
Bots for Crowds
Bots for CrowdsBots for Crowds
Bots for Crowds
 
ExperTwin: An Alter Ego in Cyberspace for Knowledge Workers
ExperTwin: An Alter Ego in Cyberspace for Knowledge WorkersExperTwin: An Alter Ego in Cyberspace for Knowledge Workers
ExperTwin: An Alter Ego in Cyberspace for Knowledge Workers
 
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018
Enabling Expert Critique with Chatbots and Micro-Guidance - Ci 2018
 
Education 3.0 - Megatendencias
Education 3.0 - MegatendenciasEducation 3.0 - Megatendencias
Education 3.0 - Megatendencias
 
Understanding Political Manipulation and Botnets - RightsCon
Understanding Political Manipulation and Botnets - RightsConUnderstanding Political Manipulation and Botnets - RightsCon
Understanding Political Manipulation and Botnets - RightsCon
 
Understanding Chatbot-Mediated Task Management
Understanding Chatbot-Mediated Task ManagementUnderstanding Chatbot-Mediated Task Management
Understanding Chatbot-Mediated Task Management
 
Single sign on spanish - guía completa
Single sign on   spanish - guía completaSingle sign on   spanish - guía completa
Single sign on spanish - guía completa
 
Los empleos del futuro en Latinoamérica
Los empleos del futuro en LatinoaméricaLos empleos del futuro en Latinoamérica
Los empleos del futuro en Latinoamérica
 
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...
Empleos que ya están siendo reemplazados por bots y el futuro del RPA (Roboti...
 
RPA (Robotic Process Automation)
RPA (Robotic Process Automation)RPA (Robotic Process Automation)
RPA (Robotic Process Automation)
 
Chatbots + rpa (robotic process automation)
Chatbots + rpa (robotic process automation)Chatbots + rpa (robotic process automation)
Chatbots + rpa (robotic process automation)
 
Estrategias tecnológicas de crecimiento acelerado para startups
Estrategias tecnológicas de crecimiento acelerado para startupsEstrategias tecnológicas de crecimiento acelerado para startups
Estrategias tecnológicas de crecimiento acelerado para startups
 
Tecnología del futuro, predicciones a 10 años - CiComp
Tecnología del futuro, predicciones a 10 años - CiCompTecnología del futuro, predicciones a 10 años - CiComp
Tecnología del futuro, predicciones a 10 años - CiComp
 

Dernier

IA en la empresa. La inteligencia artificial potencia la tarea diaria
IA en la empresa. La inteligencia artificial potencia la tarea diariaIA en la empresa. La inteligencia artificial potencia la tarea diaria
IA en la empresa. La inteligencia artificial potencia la tarea diariaEducática
 
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdf
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdfVerde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdf
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdfmiriamsarahihm2008
 
Texto Argumentativo (Basura Electronica)
Texto Argumentativo (Basura Electronica)Texto Argumentativo (Basura Electronica)
Texto Argumentativo (Basura Electronica)lucianavillotalozano
 
El Libro de la Inteligencia Artificial (versión 13)
El Libro de la Inteligencia Artificial (versión 13)El Libro de la Inteligencia Artificial (versión 13)
El Libro de la Inteligencia Artificial (versión 13)Alfredo Vela Zancada
 
David_Gallegos - tarea de la sesión 8.pptx
David_Gallegos - tarea de la sesión 8.pptxDavid_Gallegos - tarea de la sesión 8.pptx
David_Gallegos - tarea de la sesión 8.pptxDAVIDROBERTOGALLEGOS
 
Estadistica , excel avanzado estudios estadisticos
Estadistica , excel avanzado  estudios estadisticosEstadistica , excel avanzado  estudios estadisticos
Estadistica , excel avanzado estudios estadisticosElizabethAcostaQuinc
 
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar Ortega
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar OrtegaNovedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar Ortega
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar OrtegaBaltasar Ortega
 
Tarea_de_la_sesión_8 Base de Datos Individual.pptx
Tarea_de_la_sesión_8 Base de Datos Individual.pptxTarea_de_la_sesión_8 Base de Datos Individual.pptx
Tarea_de_la_sesión_8 Base de Datos Individual.pptxVICTORMANUELBEASAGUI
 
Lista de selección dinámica desde MySQL hacia PHP (con PDO)
Lista de selección dinámica desde MySQL hacia PHP (con PDO)Lista de selección dinámica desde MySQL hacia PHP (con PDO)
Lista de selección dinámica desde MySQL hacia PHP (con PDO)ChristianRivera122452
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docxBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docxwalterdanielcortes08
 
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptx
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptxcuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptx
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptxange07u
 
Excel avanzado.pdf tecnologiaaaaaaaaaaaa
Excel avanzado.pdf tecnologiaaaaaaaaaaaaExcel avanzado.pdf tecnologiaaaaaaaaaaaa
Excel avanzado.pdf tecnologiaaaaaaaaaaaaNicolleAndrade7
 
Texto Argumentativo (Basura Electronica).docx
Texto Argumentativo (Basura Electronica).docxTexto Argumentativo (Basura Electronica).docx
Texto Argumentativo (Basura Electronica).docxlucianavillotalozano
 
TareaSesión8_ListaDinamica_Garcia_Garcia.pptx
TareaSesión8_ListaDinamica_Garcia_Garcia.pptxTareaSesión8_ListaDinamica_Garcia_Garcia.pptx
TareaSesión8_ListaDinamica_Garcia_Garcia.pptxANDREADELCARMENGARCI
 
INFORME DE LA ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdf
INFORME DE LA  ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdfINFORME DE LA  ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdf
INFORME DE LA ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdfGabrielHernndez206156
 
Basisschulung zum Datenschutz DE_SPA.pptx
Basisschulung zum Datenschutz  DE_SPA.pptxBasisschulung zum Datenschutz  DE_SPA.pptx
Basisschulung zum Datenschutz DE_SPA.pptxsergioagudo4
 
Carta y Excel trabajo sobre estadística.
Carta y Excel trabajo sobre estadística.Carta y Excel trabajo sobre estadística.
Carta y Excel trabajo sobre estadística.MariannaGutierrezGom
 
carta combinada para empleados de una empresa
carta combinada para empleados de una empresacarta combinada para empleados de una empresa
carta combinada para empleados de una empresafspro99
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdf
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdfBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdf
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdfssuser337a5e
 
Excel avanzado y métodos estadísticos.pdf
Excel avanzado y métodos estadísticos.pdfExcel avanzado y métodos estadísticos.pdf
Excel avanzado y métodos estadísticos.pdfNicolleAndrade7
 

Dernier (20)

IA en la empresa. La inteligencia artificial potencia la tarea diaria
IA en la empresa. La inteligencia artificial potencia la tarea diariaIA en la empresa. La inteligencia artificial potencia la tarea diaria
IA en la empresa. La inteligencia artificial potencia la tarea diaria
 
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdf
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdfVerde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdf
Verde Ilustrado Moderno Redes Sociales Informe de Marketing Presentación (1).pdf
 
Texto Argumentativo (Basura Electronica)
Texto Argumentativo (Basura Electronica)Texto Argumentativo (Basura Electronica)
Texto Argumentativo (Basura Electronica)
 
El Libro de la Inteligencia Artificial (versión 13)
El Libro de la Inteligencia Artificial (versión 13)El Libro de la Inteligencia Artificial (versión 13)
El Libro de la Inteligencia Artificial (versión 13)
 
David_Gallegos - tarea de la sesión 8.pptx
David_Gallegos - tarea de la sesión 8.pptxDavid_Gallegos - tarea de la sesión 8.pptx
David_Gallegos - tarea de la sesión 8.pptx
 
Estadistica , excel avanzado estudios estadisticos
Estadistica , excel avanzado  estudios estadisticosEstadistica , excel avanzado  estudios estadisticos
Estadistica , excel avanzado estudios estadisticos
 
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar Ortega
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar OrtegaNovedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar Ortega
Novedades del mejor escritorio: Plasma 6 de KDE - Por Baltasar Ortega
 
Tarea_de_la_sesión_8 Base de Datos Individual.pptx
Tarea_de_la_sesión_8 Base de Datos Individual.pptxTarea_de_la_sesión_8 Base de Datos Individual.pptx
Tarea_de_la_sesión_8 Base de Datos Individual.pptx
 
Lista de selección dinámica desde MySQL hacia PHP (con PDO)
Lista de selección dinámica desde MySQL hacia PHP (con PDO)Lista de selección dinámica desde MySQL hacia PHP (con PDO)
Lista de selección dinámica desde MySQL hacia PHP (con PDO)
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docxBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docx
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.docx
 
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptx
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptxcuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptx
cuadro comparativo de web 1.0 web 2.0 web 3.0 web 4.0......pptx
 
Excel avanzado.pdf tecnologiaaaaaaaaaaaa
Excel avanzado.pdf tecnologiaaaaaaaaaaaaExcel avanzado.pdf tecnologiaaaaaaaaaaaa
Excel avanzado.pdf tecnologiaaaaaaaaaaaa
 
Texto Argumentativo (Basura Electronica).docx
Texto Argumentativo (Basura Electronica).docxTexto Argumentativo (Basura Electronica).docx
Texto Argumentativo (Basura Electronica).docx
 
TareaSesión8_ListaDinamica_Garcia_Garcia.pptx
TareaSesión8_ListaDinamica_Garcia_Garcia.pptxTareaSesión8_ListaDinamica_Garcia_Garcia.pptx
TareaSesión8_ListaDinamica_Garcia_Garcia.pptx
 
INFORME DE LA ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdf
INFORME DE LA  ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdfINFORME DE LA  ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdf
INFORME DE LA ACTIVIDAD GRUPAL; EXCEL AVANZADO Y MÉTODOS ESTADÍSTICO.pdf
 
Basisschulung zum Datenschutz DE_SPA.pptx
Basisschulung zum Datenschutz  DE_SPA.pptxBasisschulung zum Datenschutz  DE_SPA.pptx
Basisschulung zum Datenschutz DE_SPA.pptx
 
Carta y Excel trabajo sobre estadística.
Carta y Excel trabajo sobre estadística.Carta y Excel trabajo sobre estadística.
Carta y Excel trabajo sobre estadística.
 
carta combinada para empleados de una empresa
carta combinada para empleados de una empresacarta combinada para empleados de una empresa
carta combinada para empleados de una empresa
 
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdf
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdfBLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdf
BLOG, EXCEL AVANZADO, MÉTODOS ESTADÍSTICOS.pdf
 
Excel avanzado y métodos estadísticos.pdf
Excel avanzado y métodos estadísticos.pdfExcel avanzado y métodos estadísticos.pdf
Excel avanzado y métodos estadísticos.pdf
 

Cómo vivir de la inteligencia artificial

  • 1. Cómo vivir de la Inteligencia Artificial Carlos Toxtli
  • 3. De qué hablaremos ● Introducción al estado actual de la IA ● Explicaremos cómo empezar en la Inteligencia Artificial ● Tecnologías actualmente requeridas ● Cómo plantear un proyecto que use IA ● Cómo empezar a generar experiencia ● Cómo promover sus avances ● Cómo emprender negocios basados en IA ● Como emplearse en empresas que usen IA ● Consejos para crear una carrera exitosa en IA
  • 4. Introducción al estado actual de la IA
  • 5. ¿Qué es la inteligencia artificial? La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.
  • 7. Algunos ejemplos de aplicación de IA La inteligencia artificial se ha implementado prácticamente en todas las áreas, veamos algunos ejemplos
  • 8. Predicciones de las elecciones mexicanas
  • 9. Predicciones de la copa del mundo No suelen ser muy precisas ya que hay muchos factores en juego.
  • 10. Es capaz de entendernos Aunque creemos conceptos muy básicos, la AI puede crear conceptos más complejos.
  • 11. Crear videos controlando a una persona Se ha logrado que se creen videos suplantando la identidad de alguien.
  • 12. Interactuar por voz de forma natural Inteligencia artificial que entiende conversaciones con humanos y es capaz de contestar dependiendo el contexto.
  • 13. Canciones compuestas por IA Canción compuesta de inicio a fin, el sistema fue entrenada con canciones de los Beatles.
  • 14. Crear cuadros de video para slow motion Inteligencia artificial que es capaz de convertir un video grabado de forma normal a slow motion por medio de completar imágenes entre 2 cuadros.
  • 17. No nos perdamos El problema de hablar de inteligencia artificial es que siempre se fantasea mucho y se aborda de una forma poco objetiva, en esta charla trataremos de aterrizarla en términos prácticos.
  • 19. 1958 La computadora será el primer dispositivo en pensar cómo el cerebro humano. Podrá entender su entorno, reconocerte hablarte por tu nombre y traducir en tiempo real. Es posible construir cerebros que puedan multiplicarse una línea de producción y ser conscientes. Rosenblatt murio en un accidente
  • 21. Geoffrey Hinton el padre de las redes neuronales
  • 22. Promovido por el gobierno Actualmente Geoffrey Hinton reside en Canadá y el gobierno está invirtiendo en ser un referente en temas de AI.
  • 23. Y no solo Inteligencia Artificial También en áreas como la computación cuántica.
  • 25. Como empezar en la Inteligencia Artificial
  • 26. ¿Por dónde empiezo? Lo primero que debes saber es que en la actualidad puedes incorporarte a este mundo como implementador de técnicas existentes o como creador de nuevas técnicas.
  • 27. Creador de nuevas técnicas (Ciencias) Para proponer nuevos algoritmos se requiere un conocimiento profundo en varias áreas, incluyendo: ● Algebra lineal ● Estadística ● Sistemas de ecuaciones ● Calculo ● Computo paralelo ● Estructuras de datos ● Lenguajes de programación (usualmente C o Python) … Entre otras áreas
  • 28. Implementador de técnicas existentes (Ingeniería) Como implementador solo necesitas conocer en qué se diferencia cada técnica de otra y saber cuál emplear según el problema. El proceso de implementar solo implica adecuar las entradas a las que requiere cada algoritmo, sin necesidad de programar un algoritmo nuevo. Para ello se requiere: ● Procesamiento de datos ● Lenguajes de programación (usualmente C o Python) ● Computo paralelo Entre otros
  • 29. Esta charla la enfocaremos en cómo implementar Si bien es cierto que los grandes descubrimientos provienen de la generación de nuevos algoritmos, llegar a un nivel suficiente de entendimiento de las bases de la inteligencia aartififcial.es tardado y usualmente requiere estudios de posgrado. Como implementador eventualmente serás capaz de mejorar técnicas existentes.
  • 30. La evolución de los métodos Una forma sencilla de entender cómo implementar la IA es comparado con un método convencional de programación. Un método es una pieza de código que se ejecuta y regresa un resultado, ejemplo: precio_casa = obten_precio( ubicacion_casa ) El resultado puede ser buscado en una base de datos o calculado en base una fórmula existente.
  • 31. La evolución de los métodos Cuando implementamos una técnica de IA, se implementa de una forma similar a un método, pero no hay una formula definida para obtener el resultado, y esta devuelve 2 valores, un valor predicho y el porcentaje de certeza. precio_casa, porcentaje_certeza = predice_precio( ubicacion_casa ) El resultado es inferido en base a datos previos. No hay una fórmula exacta, se estima siempre en base a datos semejantes.
  • 32. Todo es análisis de datos Para tu ser capaz de dar una respuesta debiste de haber contado con datos suficientes y estructurados de forma similar para dar una estimación precisa. Es una habilidad fundamental la administración de datos en todo ingeniero de IA.
  • 33. El ejemplo más básico: Hot dog / Not Hot Dog Para comenzar un ejemplo clásico es el Hot Dog y No Hot Dog. Para eso se colectan cientos de fotos de Hot Dogs y cientos de fotos de cualquier otra cosa. Con eso muchas de las técnicas detectar de forma precisa si hay un Hot Dog. Así se vería la función clase_detectada, porcentaje_certeza = hay_un_hot_dog( imagen ) Donde clase_detectada vale “Hot Dog” Y porcentaje_certeza varía entre 0 y 1 Si el porcentaje es mayor a un valor definido (ej 0.8) entonces si es Hot Dog)
  • 34. El ejemplo más básico: Hot dog / Not Hot Dog Como en la serie de SIlicon Valley
  • 35. Detectar gatos y perros Este es el siguiente nivel una vez dominado el ejemplo anterior en este caso necesitamos 3 sets de datos, cientos de fotos de perros, cientos de gatos y cientos de cualquier otra cosa (opcional). En este caso la función se vería así: clases_detectadas, porcentajes_certezas = hay_un_hot_dog( imagen ) Debido a que son más de una categoría, la función regresa un arreglo de datos, donde: clases_detectadas[0] vale “perro” y porcentajes_certezas[0] vale por ejemplo 0.4 clases_detectadas[1] vale “gato” y porcentajes_certezas[1] vale por ejemplo 0.9 Entonces es más probable que sea un gato.
  • 36. Self driving cars, suenan muy lejos, pero es lo mismo Un auto que se maneja solo, aunque suene muy complejo, es solo la implementación de varias funciones de IA, este es un ejemplo muy burdo: clases_detectadas, porcentajes_certezas = vision_sensor_1( imagen_camara ) SI clases_detectadas[0] == ‘Otro coche detectado’ and porcentajes_certezas[0] < .1 Y clases_detectadas[1] == ‘Peaton detectado’ and porcentajes_certezas[1] < .1 Entonces CAMBIAR_DE_CARRIL()
  • 37. Los ingenieros de autos autónomos usan maquetas Dedicarse a hacer autos autónomos es algo muy alcanzable para cualquier ingeniero, ya que la gran mayoría de las pruebas se hacen en maquetas y no en autos reales. Una vez que es 100% eficiente en maquetas se hacen pruebas en coches. Una escuela puede armar un laboratorio de autos autónomos a un costo muy bajo.
  • 38. Clasificación y Regresión Ya aprendimos estos conceptos con ejemplos: Regresión es predecir un valor, como el caso de la casa, una casa más cercana a un centro comercial y vías principales, regresa un valor en precio más grande, ejemplo 1,000,000 Clasificación es predecir una categoría, en los ejemplos se regresa las “clases” o categorías a buscar y en base a eso nos regresa si es “perro” o “gato”.
  • 39. Pero hay un caso extra (Clustering) Cuando no sabemos los datos que son y necesitamos que la computadora agrupe los que se parecen entre sí, para posteriormente darles un nombre: clase_asignada, porcentaje_certeza = asigna_categoria( dato[0] ) clase_asignada, porcentaje_certeza = asigna_categoria( dato[1] ) clase_asignada, porcentaje_certeza = asigna_categoria( dato[2] ) A este caso se le llama Clustering. Un ejemplo burdo es cuando sabes que es un perro pero tu no sabes la raza, es más fácil asignarla si ya están agrupados.
  • 40. Aprendizaje supervisado y no supervisado Cuando nosotros como humanos definimos las posibles categorías como en el caso de la clasificación, entonces se llama aprendizaje supervisado. Aprendizaje supervisado también incluye regresión, donde se calculan cifras en base a cifras previas. Cuando nosotros no asignamos la categoría, sino dejamos que la computadora las decidiera como en el caso del clustering, entonces se conoce como aprendizaje no supervisado.
  • 41. Listo ya saben lo básico Con lo aprendido es suficiente para plantear un problema y resolverlo usando distintas tipos de aprendizaje, ahora a continuación veremos qué técnicas existen y cuando se emplea cada una.
  • 42. ¿Qué es lo básico que debo saber?
  • 43. Primero aprendamos a elegir que usaremos Con unas sencillas preguntas podemos saber si es aprendizaje supervisado o no supervisado y si es clasificación, regresión o clustering. ¿Necesitas regresar un valor numérico pronosticado? Es aprendizaje supervisado y usarás regresión. ¿Necesitas regresar de qué tipo es y sabes qué tipos puede haber? Es aprendizaje supervisado y usarás Clasificación. ¿Necesitas regresar de qué tipo es pero no sabes qué tipos puede haber? Es aprendizaje no supervisado y usarás Clustering.
  • 44. Ok y ¿Donde entra Machine Learning? Machine Learning es el concepto en general de cómo una computadora puede aprender. El aprendizaje proviene de recibir información novedosa y adecuar sus parámetros para identificar correctamente nuevos casos. Para esto requiere mucha información, pero también necesita saber que parámetros (“features”) analizar.
  • 45. ¿Features? Sí, necesitamos encontrar en base a qué parámetros diferenciar uno de otro, por ejemplo hay especies de peces muy similares. En qué características se fijarían ustedes para identificarlos. ¿Color, tamaño, número de aletas?
  • 46. ¿Son las Features elegidas las mejores? Es complejo elegir las características más apropiadas. A este proceso se le conoce como Features Extraction. Tener pocas o muchas características que no aporten valor perjudican al algoritmo. En ocasiones hay que hacer preprocesamiento.
  • 47. El siguiente paso es “anotar” (labeling) Ya que tenemos cada registro de cada espécimen ahora manualmente hay que especificar que “clase” es, por ejemplo: Para cuando llegue uno nuevo tratar de predecir que es: Color Tamaño Aletas CLASS Dorado 20 5 Tilapia Plateado 10 6 Atún Plateado 30 6 Salmón Color Tamaño Aletas CLASS Plateado 20 6 ???
  • 48. Con las Classes y los Features podemos comenzar Listo ahora si podemos nutrir cualquier algoritmo para generar un resultado. Los más usados son: ● kNN ● Bayes ● Support Vector Machines ● Neural Networks ● Decision Trees ● Random Forest Entre muchos otros
  • 49. Ahora hay que entrenar el modelo Una vez que tenemos las Classes, los Features y elegimos un algoritmo. Lo dejamos entrenando y creando un archivo llamado Modelo con las reglas para poder clasificar datos no vistos anteriormente.
  • 50. Pero sin buenos Features, no será preciso, pero ... Como vimos en el ejemplo: Para predecir Las features no son suficientes, y si encontramos exponencialmente las features para ser más precisos, eso hará un procesamiento exhaustivo. Pero existe una técnica que nos ayuda a este proceso. Color Tamaño Aletas CLASS Dorado 20 5 Tilapia Plateado 10 6 Atún Plateado 30 6 Salmón Color Tamaño Aletas CLASS Plateado 20 6 ???
  • 51. Deep Learning Deep Learning se beneficia de la extracción automática de features, lo que nos ayuda a no preocuparnos por escoger las mejores, y además se ayuda del gran poder de cómputo actual habilitando Convolutional Neural Networks. Deep Learning es una caja negra, no se sabe cómo se llega al resultado para poder revisarlo.
  • 52. Neural Networks Las redes neuronales son un modelo para encontrar esa combinación de parámetros y aplicarla al mismo tiempo. En el lenguaje propio, encontrar la combinación que mejor se ajusta es "entrenar" la red neuronal. Una red ya entrenada se puede usar luego para hacer predicciones o clasificaciones, es decir, para "aplicar" la combinación.
  • 53. Convolutional Neural Networks Implica crear varias capas o niveles de procesamiento. Así como vimos en las redes neuronales que son combinaciones. Estas son combinaciones de combinaciones en múltiples capas, lo que logra modelos muy complejos y precisos.
  • 54. Veamos que necesitamos para Deep Learning Lo único que necesitamos para entrenar un modelo de predicción usando Deep Learning es: ● Necesitamos datos “anotados” (clasificados) por lo general más de 100, pero depende el caso ● Un Framework que soporte Deep Learning (sklearn, Keras, Tensorflow, Caffe2, PyTorch, etc) ● Lenguaje de programación: Python, Python o C. Nos ahorramos el paso de elegir las features, e incluso podemos no definir las capas convolutivas.
  • 55. ¿Y si aún no se Python? Es uno de los lenguajes más sencillos y poderosos. Lo aprenderás y dominarás en un par de semanas. Te dejo algunos tutoriales. https://www.learnpython.org/ https://docs.python.org/3/tutorial/index.html https://www.tutorialspoint.com/python/index.htm
  • 56. ¿Y qué framework nos recomiendas? Algunos de ellos son sencillos y algunos más complejos. Yo les recomendaría estos 3 en el siguiente orden: 1) Keras : Es un framework de frameworks es decir, es capaz de en pocas líneas de código generar código para Frameworks más complejos como Tensorflow, Theano y CNTK. 2) Sklearn / TFlearn : Ambos frameworks framework son sumamente sencillos con muchos ejemplos de código hechos. Ideales para hacer pruebas de forma veloz. 3) Tensorflow : Fue creado por Google, es de los más completos y poderosos, pero es más complejo.
  • 57. Y con qué ejemplo comienzo Empiecen con el clásico ejemplo de detectar perritos y gatitos. Las cosas con gatitos siempre son mejores El código para keras: https://jkjung-avt.github.io/keras- tutorial/ El código para sklearn / tflearn : http://www.subsubroutine.com/sub- subroutine/2016/9/30/cats-and-dogs-and- convolutional-neural-networks El código para Tensorflow: https://medium.com/@curiousily/tensorflow-for-
  • 58. ¿Y solo son para imágenes? Con lo que aprendas en esos tutoriales ya serás capaz de hacer cualquier clasificador. Los mismos frameworks también funcionan para texto, audio y video. Gracias a técnicas como Natural Language Processing podrás hacer análisis complejos de texto. En la actualidad se utilizan Word Vectors para entender el contexto del texto. Una herramienta muy efectiva es spaCy que incorpora Deep Learning para el análisis de textos, les dejo un tutorial: https://spacy.io/usage/training
  • 59. ¿Y qué hay de los bots de videojuegos? En la actualidad un bot es capaz de acabar videojuegos o derrotar adversarios en competencias de videojuegos. Estos bots utilizan otra técnica, de aprendizaje no supervisado llamada Reinforcement Learning.
  • 60. (Deep) Reinforcement Learning Es un área del aprendizaje automático inspirada en la psicología conductista, cuya ocupación es determinar qué acciones debe escoger un agente de software en un entorno dado con el fin de maximizar alguna noción de "recompensa" o premio acumulado. Funcionan a modo de prueba y error, es decir, si por serie de combinaciones (en el caso de los juegos, mover la palanca y apretar botones) recibe un premio en el futuro, entonces aprende a encontrar de forma más rápida (en menos movimientos) esa recompensa. Una técnica muy usada es la Deep Q-network (DQN)
  • 61. Se basa en tablas de recompensas. En los estados en que es posible recibir una recompensa, es fácil decidir cuál es la mejor acción: la que obtiene la mayor recompensa a presente y a futuro. (Double) Deep Q Learning
  • 62. Les dejo un ejemplo y un tutorial para que lo hagan Ambiente: https://gym.openai.com/envs/Breakout- v0/ Solución: https://github.com/vy007vikas/OpenAI- Gym- Solutions/blob/master/Atari/breakout.py
  • 63. Ya me piqué, y después qué sigue ... Tan solo con las técnicas que hemos visto, serán capaces de: ● Componer música ● Crear obras de arte ● Hacer que un robot aprenda a caminar ● Hacer que un robot aprenda a jugar futbol ● Saber que enfermedad tienes en base a tus síntomas ● Saber que va a comprar un cliente en base a su comportamiento Y mucho mucho más Les dejo código de algunas ...
  • 64. Generative Artificial Intelligence Es capaz de crear contenido, por ejemplo cambiarle la cara a 2 personas. Código: https://github.com/deepfakes/faceswap
  • 65. AutoML Hacer que la máquina se entrene, pruebe y mejore sola. Ella se encarga de ajustarse hasta lograr porcentajes de Accuracy. Dejo un ejemplo del código necesario para que la computadora haga todo por ti: http://automl.github.io/auto- sklearn/stable/
  • 66. EL bot que hace llamadas de Google Recuerdan la llamada casi real donde entendía perfectamente y respondía a personas reales. Aquí les dejo la liga del artículo que explica como funciona: https://ai.googleblog.com/2018/05/d uplex-ai-system-for-natural- conversation.html
  • 67. Generative Artificial Intelligence Puedes también crear videos de otra persona diciendo algo. Aquí esta el paper donde dicen como hacerlo: http://grail.cs.washington.edu/projects/A udioToObama/
  • 68. ¿Nos dejas un paper? Si, todo el nuevo conocimiento se plasma en un paper, que es un texto científico donde describen cómo hacerlo. La última tecnología es probable que solo la encuentras en textos científicos. Los artículos científicos los pueden ver en http://scholar.google.com/ Y en caso de ser necesario pueden usar un proxy para abrir algunos artículos científicos: https://sci-hub.tw/
  • 69. ¿Donde me entero de lo nuevo que va saliendo? El canal de Siraj Raval: https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A Wired: https://www.wired.com/tag/artificial-intelligence/ El blog de Google: https://ai.googleblog.com/ El blog de Facebook: https://research.fb.com/blog/ MIT: http://news.mit.edu/topic/artificial-intelligence2 Arxiv: http://www.arxiv-sanity.com/ Google Alerts: https://www.google.com/alerts
  • 70. Ya tengo noción de cómo implementar ¿Qué sigue? Conforme vayas practicando las técnicas serás capaz de dar solución a cualquier problema de Inteligencia Artificial. Ahora sigue dar a conocer tu trabajo, prepararte para laborar o para emprender en el mundo de la inteligencia artificial. Te dejaré unos tips para que tengas éxito en tu incursión a la IA.
  • 71. Incursionando en la Inteligencia Artificial
  • 72. Publica todo lo que hagas Publica cada cosa que hagas, por ejemplo: ● Tu resultado después de haber seguido un tutorial ● Una versión modificada de cada tutorial (por ejemplo si detectas, perro, gato o caballo) ● Crea proyectos personales de prueba para probar cosas sencillas (por ejemplo trata de predecir algo sencillo como el melate) ● Escribe tu experiencia de como te fue implementandolo. ● Mejora algún código que hayas descargado Todo cuenta
  • 73. Donde publico Algunos de los que menciono son OBLIGATORIOS, por lo que si no los tienen aún es tiempo de crear su cuenta. ● GitHub (Obligatorio) ● Linkedin (Obligatorio) ● Website personal (Obligatorio) ● En un blog (Medium está ganando importancia) ● En un video (Los videos de youtube tienen mucha tracción) ● En redes sociales (Serás percibido como experto si muestras tus pruebas) Y en todos los lugares donde se te ocurra, tu nombre y la palabra Artificial Intelligence (OjO en inglés) deben aparecen juntas en internet
  • 74. ¿Y si no tengo sitio web? Es bien fácil y gratuito. Hay muchas formas de hacerlo pero te paso una que a mi me ha funcionado. ● Crea un sitio con GitHub Pages, aquí vienen las instrucciones https://pages.github.com/ ● Ligalo a un nombre de dominio tuyo (ejemplo: carlostoxtli.com), aquí vienen las instrucciones: https://help.github.com/articles/using-a-custom- domain-with-github-pages/ ● SI no tienes nombre de dominio, puedes crear uno gratuito aquí: http://www.freenom.com/
  • 75. ¿Y qué pongo si no tengo mucha experiencia? Todo cuenta para tu Curriculum en sistemas ● Cada proyecto escolar ● Cada tutorial terminado ● Cada proyecto personal ● Cada curso tomado ● Los skills (habilidades/tecnologías) que has aprendido ● Donde has estudiado ● Que artículos has escrito (cuentan entradas de blog) Y todo aquello COMPROBABLE debe ir en tu CV o Résumé.
  • 76. Vale ya tengo todo listo para que me miren, y ahora El primer paso es conocer de todo un poco, hacer ejercicios de varias técnicas te ayudará a plantear problemas más complejos. El siguiente paso es perfilarte, identificar qué área te interesa más, conocer cómo está evolucionando el sector y proponer proyectos complejos que demuestran que puedes resolver un problema de inicio a fin con esa tecnología. Vamos a echar un ojo al panorama actual de la inteligencia artificial.
  • 79. Hagamos cuentas De acuerdo con el New York Times, solo hay 10,000 expertos en IA en el mundo. De las universidades más prestigiosas se gradúan alrededor de 250 alumnos al año. Si tomamos las top 10 universidades tendríamos 2,500 egresados. Es decir que en 2 años tendríamos 15,000 expertos y aún faltarían 2,285,000 puestos de trabajo por cubrir … ¿Quiénes serán ellos? USTEDES
  • 81. Y a quienes están contratando actualmente Qué les parece si vamos a Linkedin, el sitio con la mayor cantidad de profesionistas registrados y buscamos por plazas como Artificial Intelligence Engineer, Machine Learning Engineer, Deep Learning Engineer, etc. Estos son los resultados:
  • 82. Veamos que estudiaron los primeros resultados
  • 83. Y ¿nuestros compatriotas? ¿los que no son de CMU?
  • 85. Muchos llegaron solo por cursos en línea Es importante tomen cursos en línea sobre todo los cursos que vean que más gente que ya labora tomó. Hay incluso algunos que te contratan al terminar el curso.
  • 86. Nanodegree Plus te ofrecen trabajo cuando terminas
  • 87. Y creanme que vale la pena el esfuerzo Un egresado que trabaja en inteligencia artificial gana $225,000 pesos al mes en promedio Muchos “Buenos sueldos” en México ganan eso al año.
  • 88. Está de moda el Early Retirement Con los sueldos de la industria tecnológica, basta con ahorrar el 75% de tu sueldo por 6 años para vivir el resto de tu vida sin trabajar. Esto es real y hay muchas guías en internet para lograrlo: http://earlyretirementextreme.com/ https://www.mrmoneymustache.com/
  • 89. Suena bien, que hago para que me contraten El proceso de contratación no es nada sencillo, debes ser experto primero en: ● Estructuras de datos ● Algoritmos ● Manipulación de bits ● Análisis de algoritmos (complejidad espacio tiempo) En temas de datos suelen preguntar ● Métodos de Machine Learning (proponerlo, justificarlo y explicarlo) ● SQL y Exploratory Data Analysis ● Explicar la teoría de los métodos de ML, los parámetros como se ajustan. ● Explica alguno de tus proyectos que usen conceptos complejos de ML.
  • 91. No es fácil, es mejor hacer experiencia primero En México múltiples empresas están implementando algoritmos de inteligencia artificial, por lo que hay muchas oportunidades actualmente para hacer experiencia. Otra opción es emprender, crear tu propio negocio de Inteligencia Artificial.
  • 93. Inicia tu negocio (Startup) ● Piensa en un problema que se pueda beneficiar de mucho al analizar datos. ● Los gobiernos ya tienen sus datos abiertos, por ejemplo: ○ https://datos.gob.mx/ ○ https://data.worldbank.org/ ○ http://data.un.org/ ● Existen grandes repositorios con toda la información de algunas plataformas ○ https://cloud.google.com/bigquery/public-data/ ○ https://www.kaggle.com/datasets ● Crea tu base de datos creando tu aplicación y recolectando información con la que en un futuro puedas ofrecer servicios inteligentes.
  • 96. Obtén fondos para arrancar tu negocio Puedes aplicar a distintas fuentes de inversión como: ● Fondos de inversión ○ 500 ○ Y Combinator ○ NXTP Labs ○ Entre muchas otras ● Crowdfunding ○ Indiegogo ○ Kickstarter ○ Play Business ● Procura ver todas las opciones posibles antes de pedir un préstamo.
  • 97. Pero no todo es emplearse o emprender También existe la investigación que es muy bonita, ya que es donde se crean las nuevas técnicas ya que existe presupuesto para probar conceptos que después serán implementados en la industria. Para estas áreas generalmente se llega a través de un doctorado (Ph.D.). Existen múltiples áreas de investigación pero 2 de las más comunes para inteligencia artificial son: ● Algoritmos ● Human Computer Interaction
  • 98. Áreas de Investigación: Algoritmos Consiste en crear algoritmos más eficientes, se publican tanto nuevos algoritmos para casos generales o específicos, así como mejoras incrementales a algoritmos existentes.
  • 99. Human Computer Interaction (HCI) Consiste en implementar tecnología y estudiar el impacto en los humanos. En el caso de la inteligencia artificial, no siempre implica el crear nuevos algoritmos, sino se enfoca en implementarlos en distintos aspectos de la vida diaria y estudiar la experiencia del usuario.
  • 100. Apliquen a Internships Durante las vacaciones de verano pueden trabajar en empresas de todo el mundo. Busquen en los sitios web de cada compañía por oportunidades de internships. Tendrás la oportunidad de trabajar y ganar experiencia en la empresa de tu preferencia. Una buena fuente es buscarlos en Google Jobs: https://www.google.com/search?q=internship&ibp=htl;jobs&htivrt=jobs
  • 101. Trabaja en línea Es una buena forma de ganar experiencia, la mejor plataforma con mayor cantidad de trabajo es http://www.upwork.com . La ventaja es que no necesitas permiso de trabajo para trabajar para otros países. Si quieres comenzar con facilidades, pidan a su primer empleador que los contrate por esa plataforma, de esa forma tendrás algo que demostrar para que otros empleadores confíen en tu trabajo.
  • 102. Crea un CV con ayuda de la IA Utiliza los beneficios de la IA para generar un CV impactante http://rezscore.com/
  • 103. Aprende o practica tu inglés Consume contenido en inglés, suele ser el más actualizado, si se te complica entenderlo pon subtítulos en INGLÉS, te ayudará a aprender la terminología. Algunos sitios recomendados son: https://www.duolingo.com/ https://www.speaky.com/es/ https://www.busuu.com/es Ver videos en inglés con subtítulos en inglés es muy recomendable. En Youtube es una muy buena opción habilitarlos en videos en inglés.
  • 105. Y si pueden viajen a Silicon Valley Les servirá para conocer como es el ambiente en la capital del emprendimiento y la tecnología. Además pueden situar su Linkedin en San Francisco y les llegarán ofertas de trabajo de esa área. Aquí se muestra como una cuenta falsa recibe múltiples de ofertas de trabajo.
  • 106. Haz seguimiento de donde ven tu sitio Hay plataformas como Google Analytics o StatCounter que te permiten conocer quienes están viendo tu sitio web.
  • 107. Participa en proyectos de Open Source Vuélvete experto en Git, aprende a como colaborar en proyectos. Proyectos conocidos en los que has colaborado ayuda a demostrar tu nivel de código. Busca en GitHub proyectos en los que puedas contribuir? Estas ligas muestran algunos proyectos para comenzar a contribuir: https://github.com/showcases/great-for-new-contributors https://help.github.com/articles/helping-new-contributors-find-your-project-with- labels/
  • 108. Vayan armando una computadora poco a poco Lo único que importa al armar una computadora para Machine Learning es la tarjeta de video, ya que esta cuenta con GPUs que son bastante más rápidos que los CPUs. Empiecen con al menos una tarjeta de video NVIDIA que soporte CUDA con al menos 1024 GPU cores.
  • 109. Asistan a eventos y unanse a comunidades Una forma de conocer personas activas en la comunidad, de posicionarse y hacerse conocer en su entorno es acudiendo a eventos. Existen varios eventos en la ciudad de México en los cuáles pueden congregarse, por ejemplo: https://www.meetup.com/es-ES/thedatapub/ https://www.meetup.com/es-ES/saxsaBigDataMexico/ https://www.meetup.com/es-ES/Meetup-de-Bots-en-Ciudad-de- Mexico/?_locale=es-ES https://www.facebook.com/groups/botsLATAM/
  • 110. Estarás motivado siempre y cuando confíes La gente tiene un gran interés en obtener conocimiento sobre eventos futuros que creen que serán positivos. De la misma forma, muestran un gran desinterés por conocer más información de eventos que creen que serán negativos.
  • 111. Conclusiones ● Hay más oportunidades que nunca para egresados en CIencias de Datos e Inteligencia Artificial. ● Ahora ya conocen cómo crear una carrera exitosa en esta área, ahora es solo dedicar suficiente tiempo para lograrlo. ● No es fácil, y en muchas ocasiones lleva mucho tiempo de crear experiencia, pero tarde o temprano lograrán su meta. ● Exploren el mundo y las necesidades de cada región, aprendan de cómo otros las han resuelto y aprendan de su experiencia. ● Es la mejor epoca de historia para desempeñarse en Inteligencia Artificial y no hay pretextos para no sobresalir en esta área.