Data Automation, de la comprensión del dato al valor de negocio en solo días

¿Es crítica la automatización para escalar modelos de Machine Learning?​

Ninguna industria puede permitirse obviar las ventajas que la Inteligencia Artificial (IA) y el Machine Learning (ML) ofrecen en cuanto a la mejora de los procesos, el aumento de la productividad y el incremento de la competitividad.

La automatización del ciclo de vida de Machine Learning permite ganar tiempo, aliviar la carga de trabajo de los ingenieros de datos, independencia de los data scientist a la hora de empujar modelos a producción desde notebooks y garantizar la calidad y la escalabilidad de los modelos en producción.

Este conjunto de prácticas se conoce como ML Ops, que combina Machine Learning, DevOps e Ingeniería de datos, y cuyo objetivo es implementar y mantener sistemas ML en producción de manera confiable y eficiente.

En este vídeo reportaje, con el apoyo de Google Cloud España, haremos un viaje para descubrir los desafíos de lo que hemos llamado Data Automation o automatización del ciclo de vida de modelos de Machine Learning, como:

Puesta en producción lo más rápida e industrializada posible.

Retorno garantizado de la inversión.

Evaluación más técnica del desempeño del modelo de ML.

Exactitud, la precisión, la velocidad y la deriva del modelo de ML.

¡Quiero ver el vídeo!

Rellena el formulario y te enviaremos el enlace a tu correo.
¡Psss, psss! Recuerda revisar tu carpeta de spam si no ves el email en tu bandeja de entrada.

 

 

SPEAKERS .

Científico de datos en el área de Analítica Avanzada en Bankia

Licenciado en Matemáticas e Ingeniero Superior de Telecomunicaciones y con más de 12 años de experiencia en el análisis de datos. Experiencia en el uso de gran variedad de modelos estadísticos y técnicas de machine learning e inteligencia artificial.

Head of Big Data Engineering at Orange Spain & Academic

Apasionado de la tecnología aplicada a los datos en constante formación, Javier Lahoz se considera una persona extrovertida, dinámica y social que ama el trato con la gente, especialmente para seguir aprendiendo y crecer personal y profesionalmente.

VP of Data Science and research at Cabify

 Carlos Herrera es un entusiasmada de cualquier proyecto en el que puede hacer crecer sus conocimientos sobre informática. En los últimos años, se ha centrado en aprender cómo convertir los datos masivos en conocimiento.

Customer Engineer en Google Cloud - Application Modernization Specialist

Profesional senior del sector IT con 20 años de experiencia en ventas de software empresarial, liderazgo y coordinación de equipos técnicos, y diseño e implementación de arquitecturas de software.