El pasado día 23 de octubre tuvo lugar en Málaga el AITech 2018 que organizamos a través de la “Cátedra de AI, Big Data Analytics & Machine Learning” con la Universidad de Málaga.

Esta ha sido la primera edición del evento técnico líder en IA, ML, Big Datay BI de España al que asistieron más de 150 personas y con un total de 19 charlas y talleres impartidos por expertos en IA y Data de  Plain Concepts.

Además, contó con la participación destacada de Amy Kate Boyd (G&E at Microsoft), encargada de impartir la conferencia central del evento, que giró entorno a  ‘Deep Learning‘, la tecnología clave en el futuro de la inteligencia artificial.

Os dejamos un resumen de las charlas y enlaces a sus presentaciones:

I need to sort out my wardrobe. Image classification of fashion items using Deep Learning

Ponente: Amy Kate Boyd, Cloud Developer Advocate, Growth & Ecosystem (G&E at Microsoft)

Classifying numbers and letters is so last season .. Let’s classify our wardrobes instead! Learn all about the ins and outs of image classification using deep learning. In this session I will show two forms of image classification using deep learning. One will be using the Microsoft Custom Vision service and transfer learning, and the other will be using the Microsoft Azure Data Science Virtual machine and the deep learning API, Keras. I will show you, step-by-step, how to classify clothing into categories such as dresses, t-shirts, sandals, trainers etc. The dataset we will use will be the Fashion MNIST dataset from Zalando the online fashion brand: https://github.com/zalandoresearch/fashion-mnist.

Content: https://github.com/amynic/deep-learning-fashion

Enlace a la presentación de Amy Kate Boyd

Estado del Arte de la IA

Ponente: Pablo Doval, Principal Data Architect at Plain Concepts

Breve repaso histórico a los desarrollos en el campo de la inteligencia artificial, para después poder pasar a discutir el estado actual del campo, los nuevos desarrollos tanto en el entorno académico como el empresarial, y las líneas de investigación abiertas más interesantes.Repasaremos los papers más interesantes publicados este año en los campos de imagen artificial, procesado de texto y audio y aprendizaje por refuerzo, hablaremos del paso de las redes neuronales convolucionales a capsNets, y de como se están empleando estos nuevos desarrollos en clientes y empresas específicas.

Enlace presentación de Pablo Doval

Raspberry Pi: Reconocimiento de imágenes con Tensorflow

Ponentes: Manuel Rodrigo Cabello, MVP en IA y Alexander González, Software Engineer en Plain Concepts.

Cómo podemos utilizar nuestra Raspberry Pi para realizar detección de objetos en imágenes utilizando Tensorflow tanto para el entrenamiento como para la inferencia.. Para ellos realizaremos una demostración en directo donde utilizaremos la cámara de la Raspberry para detectar objetos en una imagen haciendo uso del nuevo paquete de Tensorflow optimizado para este dispositivo.

Enlace presentación Raspberry Pi

Sí yo he podido aprender algo de eso llamado IA… ¡Créeme, tú también puedes!

Ponente: Eduard Tomas,MVP on Visual Studio and Development Team Lead at Plain Concepts

¿Quieres empezar a aprender un poco sobre IA, pero te confunden tantos términos raros? Te cuesta distinguir entre IA, Machine Learning, Deep Learning, Redes Neuronales y demás palabrejas? ¿No sabes ni como empezar a meterte en este mundillo? ¿Ni que lenguajes o frameworks existen? ¡No té preocupes! ¡Yo estaba como tú! En esta charla te contaré como yo he aprendido algo de este mundillo y te contaré los fundamentos básicos para que puedas meterte en él sin miedo! ¡Créeme, si yo he podido… tú también podrás!

Enlace presentación introducción a la IA

Caso de éxito: Recomendación de normas de Aenor usando técnicas de Recuperación de Información

Ponentes: David Mateos Fernandez, Gerente de Desarrollo y Arquitectura en Aenor y  Manuel Rodrigo Cabello, MVP on Artificial Intelligence

Durante esta sesión haremos una breve introducción al proceso de Information Retrieval y analizaremos los principales conceptos:- Query expansion- Word Embedding- Matching- Retrieval Model (Métricas de recuperación) – Word Mover’s distance – Word Centroid Distance – Doc2Vec InferenceA parte de utilizar los clásicos modelos como tf-idf, también veremos como utilizar distintos modelos de word embedding para facilitar una recuperación semántica.- FastText- Word2Vec- Doc2Vec.

Enlace presentación caso de éxito aplicación de Inteligencia artificial con Aenor

Power BI: Storytelling, Quick Insights, Q&A

Ponentes:  Rocío Sesma Alcalde,Data Engineer at Plain Concepts y Mª Dolores Jiménez Cotillas, Software Engineer at Plain Concepts

Un repaso de las funcionalidades que incorpora Power BI y que nos permiten contar historias con los datos, pasando de tener informes desconectados entre sí a narrar historias interesantes siguiendo un guion. Además, vimos cómo obtener más información de nuestros conjuntos de datos usando las funcionalidades de Quick Insights y Q&A.

Enlace presentación Power BI

Introducción a NLP (Natural Language Processing) en Azure

Ponentes: Eduardo Matallanas, Data Engineer at Plain Concepts y Jesús Antonio Sánchez, Software Engineer at Plain Concepts

Introducción al mundo del procesamiento del lenguaje natural, o NLP por sus siglas en inglés (Natural Language Processing). La charla en sí constará de 3 bloques.

  1. Estado del arte en NLP. ¿Qué se está usando hoy en día? ¿Qué problemas podemos solucionar y qué problemas no? Técnicas comúnmente usados en la industria

  2. Introducción a conceptos básicos a la hora de afrontar un proyecto ML con NLP: preprocesado, vectorización y embedding (word2vec, fastText, técnicas básicas como tf-idf, counting, etc). Clasificadores.

  3. Pequeño ejemplo práctico con despliegue usando Azure Machine Learning.

Enlace presentación Introducción a NLP

Unbalanced data: Same algorithms different techniques

Ponente: Eric Martín Cañete, Software Engineer at Plain Concepts

The idea like in other algorithms is to divide the training data set in little pieces. A different algorithm is trained over each piece. Usually this kind of algorithms is majority-vote based. That means that when a new data point enters, the algorithm asks every little algorithm and the most-voted class is the one selected. But why the majority? There are some data configurations or some problems that need to be treated different. A good example it could be illness detection vs stock trading.

Enlace presentación Unbalance data

Introducción a la arquitectura Data Lake con Azure

Ponentes: Daniel Escribano, Software Engineer at Plain Concepts y Rafael Gómez, Data Engineer at Plain Concepts

En esta charla la idea es ilustrar cómo funciona y qué componentes forman parte de una arquitectura Data Lake clásica pero usando tecnología cloud de Azure. La charla se dividirá en:

  1. ¿De dónde veníamos? DW clásico y primeras aproximaciones usando Hadoop

  2. Introducción del concepto de Data Lakea. Cambio de arquitecturab. Desacoplamiento de datos, consumidores y potencia de cálculoc. Descripción de componentes principales: Azure Data Lake Store, HDInsight, Data Factory, Azure SQL database

  3. Demo end-to-end de la arquitectura funcionando

  4. Lambda architecture como manera de extender a escenario real time

  5. Importancia del Data Warehouse en escenarios “big data” (Apache Kylin)

Enlace presentación Introducción a la arquitectura Data Lake con Azure

LSTM, ¿qué son y cuándo se usan?

Ponente: Sara San Luís Rodríguez,Software Engineer at Plain Concepts

Las unidades LSTM (long Short-Term Memory STM) son un tipo de bloques empleados para la construcción de redes neuronales recurrentes. Estas se caracterizan por ser capaces de recordar diferentes valores a lo largo de intervalos de tiempo aleatorios.En esta charla trataremos este tipo de unidades junto con algunas de sus aplicaciones prácticas.

Enlace presentación LSTM

Desplegando modelos de Machine Learning en producción (y no morir en el intento)

Ponentes: Pablo Doval

Cómo definir un pipeline de entrenamiento y despliegue de modelos de machine learning. La idea será adaptar el enfoque de TensorFlow extended a Azure ML, viendo cada una de las partes del proceso y describiendo cada uno de los componentes usando el ecosistema de Microsoft (Azure, AzureML, etc)

Enlace presentación Desplegando modelos de ML en producción

De cero a cien con Reinforcement Learning

Ponente:  Manuel Martín Mairal, Data Scientist at Plain Concepts

Conceptos básicos que envuelven el reinforcement learning, para seguidamente examinar de cerca los principales frameworks del ecosistema Python que se utilizan en este campo. Con estas herramientas básicas estaremos listos para pasar a la acción y trataremos de dar solución a dos problemas sencillos en base a todo lo aprendido.

Enlace a la presentación sobre reinforcement learning.

Show me the code: desarrollo de modelos con Deep Learning

Ponentes: Pablo Doval, Principal Data Architect at Plain Concepts y José Fernández Vizoso, Data Engineer at Plain Concepts.

En este workshop se hizo una introducción al desarrollo de modelos de Deep Learning con Tensorflow y Keras, su despliegue y posterior consumo desde nuestras aplicaciones. Se verán dos tipos de problemas en la práctica: clasificación de imágenes y extracción de conocimientos de texto, Para cada uno de ellos se hará una introducción teórica (Redes neuronales convolucionales, técnicas de embedding, etc…) y a continuación se guiará a los participantes del taller en el desarrollo de la solución.