LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)

LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)

Panel Acciones y detalles

Desde USD95.94

Fecha y hora

Ubicación

Sheraton Mexico City Maria Isabel Hotel

325 Avenida Paseo de la Reforma

Ciudad de México, CMX 06500

Mexico

Ver mapa

Política de reembolso

Para todos los niveles. Sesiones técnicas y estrategia, talleres de líderes en IA. Una oportunidad única para crecer y entender la industria

Acerca de este evento

Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)

¡y más!

(las presentaciones serán en español)

Ver programa actual aquí

Durante 2 días destacaremos la excelencia en IA de LATAM para el resto del mundo.

Únase a nosotros para esta "must-attend" reunion anual para cualquier persona que trabaje con tecnología de inteligencia artificial.

¡Aprenderá habilidades técnicas, escuchará estudios de casos reales de la industria, conocerá a expertos y obtendrá una oportunidad única para establecer contactos!

El objetivo es ayudar a apoyar el crecimiento del ecosistema latinoamericano de IA a través de contenidos útiles no patrocinados y de la creación de redes.

Es sólo una vez cada año, ¡no te lo pierdas! Alimentos y bebidas proporcionados.

*Los precios de admisión se establecen para eliminar las barreras de entrada, ¡sin embargo, las entradas son limitadas!

En colaboración con el equipo de MLOps World y Toronto Machine Learning Society (TMLS)

Cade entrada incluye;   

  • Acceso a más de 12 talleres
  • Acceso a más de 20 charlas presenciales
  • Acceso a fiestas y mesas redondas
  • Acceso a demostraciones de start-ups, exposiciones y feria de empleo

www.latam-ai.com

Tomado de las experiencias de la vida real de nuestra comunidad, el Comité Directivo ha seleccionado las principales aplicaciones, logros y áreas de conocimiento para destacar en este evento dinámico.

Temario:

Más de 30 sesiones y 4 pistas que incluyen;

1) Casos de estudio en la industria.

2) Estrategia de negocios

3) Técnico e Investigación

4) Talleres técnicos con coding

Industrias

  • Retail
  • Computer Software
  • Banking & Financial Services
  • Insurance
  • Hospital & Health Care
  • Automotive
  • Telecommunications
  • Environmental Services
  • Food & Beverages
  • Marketing & Advertising

FAQs

Q: Esta es una conferencia virtual o en persona? En persona.

Q: ¿En qué idioma serán las presentaciones? Español, a excepción de 1 o 2

Q: ¿Cuál es su política de seguridad de conferencias en persona?

Somos conscientes de que los niveles de comodidad de todos y la tolerancia al riesgo pueden variar. Estamos trabajando para apoyar el nivel de comodidad de cada asistente con respecto a las interacciones/socialización.

Tomamos muy en serio todas las precauciones de seguridad y seguimos las pautas locales de salud y seguridad de acuerdo con la Ciudad de México y los hoteles Marriot.

Si no está seguro o tiene requisitos personales, ¡envíenos un mensaje! ¡Nos complace trabajar con usted para brindarle una experiencia segura y placentera!

Q: ¿Cómo me puedo contactar con el organizador si tengo alguna duda? Puede enviar un correo electrónico a maria@latam-ai.com

Q: ¿Cuál es la política de reembolso? Las entradas son reembolsables hasta 30 días antes del evento.

Q: ¿Por qué debo asistir? De muchas presentaciones, el comité seleccionará las mejores sesiones para ayudarlo en su aprendizaje. Desde talleres prácticos de codificación hasta estudios de casos, no encontrará una reunión de conferencia que contenga tanta información y con un costo de entrada tan bajo.

Únase a nuestra comunidad y celebre los principales triunfos del año, así como las principales lecciones de aprendizaje. Además de las sesiones, también habrá citas cerebrales a través de la aplicación para establecer contactos y eventos sociales nocturnos que brindan oportunidades para conocer a compañeros y construir su red.

Q: ¿Quién asistirá? Los participantes van desde científicos de datos hasta ingenieros, ejecutivos de negocios y estudiantes. Tendremos múltiples pistas y sesiones de networking para acomodar varios puntos de vista y niveles de madurez.

Q: ¿Puedo presentarme en el evento? Puede enviar un Talk Abstract aquí. Las presentaciones son revisadas por nuestro comité.

*El contenido no es comercial y no se pueden comprar espacios para hablar.

Q: ¿Darás la lista de asistentes? No, hacemos todo lo posible para garantizar que los asistentes no se vean inundados con mensajes.

* Además, nos aseguramos de que los datos de su información de registro no se compartan con ninguna aplicación o con terceros para otros usos comerciales.

Q: ¿Puede mi empresa tener una mesa de exhibición? Sí, habrá espacios para exhibiciones de la empresa. Puede consultar en maria@latam-ai.com

Q: ¿Puede mi Start-up presentar nuestra empresa/idea? Si desea participar en nuestras presentaciones de puesta en marcha, envíe un correo electrónico a dave@latam-ai.com para obtener más información.

Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)
Imagen de LATAM AI Conferencia 2022: Inteligencia Artificial Aplicada (IAA)

IA en la Industria – Un Atajo al Futuro

Dra. Ludivina Facundo Flores, Chief Artificial Intelligence Officer, Centro de Innovación Industrial en Inteligencia Artificial CII.IA

Abstract

Las áreas de aplicación de la IA se amplían cada día. Los sectores con mayor adopción que han conocido las bondades y ventajas de su implementación, buscan nuevos procesos donde aplicarlos y sirven de inspiración a otros. Él éxito de su implementación, radica en la correcta comprensión de la IA como método y del proceso a optimizar, como el objetivo final. Sin embargo, los requerimientos básicos de la IA, deben ser claros desde el inicio para asegurar el éxito del proyecto.

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

Los asistentes podrán visualizar las posibilidades de implementar IA en cada uno de los procesos del sector empresarial. Desde cuestiones de contratación, capacitación, seguridad, inspección de calidad, ventas, planeación de la demanda, distribución, entre otras.

¿Cómo Provocar el Fallo de un Sistema de Reconocimiento Facial?

Rubén Alvarez, PhD, Co-Director, DataLab Community

Abstract

En esta charla hablaremos de los mitos y realidades de la tecnología de reconocimiento facial, veremos sus verdaderos alcances, así como sus aplicaciones, viendo las ventajas y sobre todo sus desventajas debido a la falta de robustez de los sistemasvisto desde un punto de vista técnico y ético.

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

How to avoid biass in when training models and how to use adversial attacks to make more robust the ML pipelines.

Graph Machine Learning Workshop - La próxima frontera del Machine Learning

Alejandro Correa Bahnsen, PhD, Chief Artificial Intelligence Officer / Jaime David, Acevedo-Viloria / Ana María Quintero Quinto, Rappi 

Abstract

El campo del Graph Machine Learning se ha convertido rápidamente en uno de los principales focos de investigación y productivización de metodologías de Inteligencia Artificial. Según Gartner, se estima que para el 2023 el 30 % de las organizaciones a nivel mundial utilicen tecnologías de grafos para facilitar la contextualización rápida para la toma de decisiones, y que la aplicación de procesamiento de gráfos y bases de datos de gráfos crezca un 100 % anual. Adicionalmente, en publicaciones académicas ICLR el tema de Graph Neural Networks ha demostrado el mayor crecimiento en el 2020. Los gráfos ofrecen una fuente novedosa de información, pues capturan de manera precisa y adecuada las interacciones de diferentes entidades de interés, como organizaciones, personas, dispositivos y transacciones. De hecho, se ha descubierto que las conexiones entre los datos son tan valiosas como los datos mismos, ya que proporcionan un contexto que permite que los algoritmos aprendan no solo del punto de datos en sí, sino también de la estructura creada y el flujo de información.

Idioma: español

Nivel Técnico: 5/7

Lo que aprenderá: 

En este Workshop, describiremos brevemente los conceptos necesarios para comprender Graph Machine Learning, describiremos la evolución que ha tenido en sus metodologías, daremos una breve descripción del campo, enséñaremos los conocimientos básicos de programación para hacer tanto analítica de grafos como Graph Neural Networks (GNN’s), y finalmente, mostraremos casos reales de uso de algoritmos de Graph Machine Learning para detectar fraudes. actividades, identificar posibles influenciadores y mejorar las puntuaciones de riesgo crediticio.

CómoTendrán que Adaptarse las Herramientas de MLOps a una IA Responsable y Ética

Patricia Thaine, CEO, Private AI

Abstract

Estamos en los albores de una nueva era para la IA responsable: hay un campo floreciente que estudia sus beneficios y daños, y la UE está legislando activamente sobre la ética de la IA. Pero mientras que las plataformas MLOps han crecido en capacidad y complejidad, su consideración de IA responsable/ética se ha rezagado significativamente. En esta charla, nos sumergiremos en las medidas de seguridad éticas que toda solución de MLOps debe implementar para estar preparada para un futuro que se aproxima rápidamente y en cómo estas medidas de seguridad pueden ayudar con el cumplimiento de GDPR (residencia de datos, seguridad de datos, privacidad de datos) y de la Ley Federal de Protección de Datos Personales en Posesión de los Particulares en Mexico, así como satisfacer los futuros requisitos reglamentarios.

Idioma: español

Nivel Técnico: 3/7

Lo que aprenderá: 

Cómo los legisladores están pensando en regular la IA y cómo los requisitos encajan en MLOps, incluyendo la privacidad y la explicabilidad.

Optimizing Field Logistics for Drone Spraying in Complex Scenarios Using Evolutive Computing

Alberto De Obeso, AI Director, Wizeline

Abstract

The best spraying time for Agave is during the night, when the stomata are open, maximizing absorption. This constraint, plus the huge variability of field topologies, difficult access roads, and dependencies on the provision of water and agriculture products, increases the complexity of logistics. Evolutive computing is leveraged to produce three levels of optimization: (1) agriculture plot selection; (2) on-field team assignment to plot and (3) water and agricultural products load.

Idioma: español

Nivel Técnico: 3/7

Lo que aprenderá: 

La complejidad logística de las aspersiones se puede superar con algoritmos genéticos

Life is About Adoption.. and MLOps Isn't the Exception. Cómo Acelerar la Adopción de MLOps en Sus Empresas

Miguel Angel Díaz Rodríguez, MLOps Director, ABInBev

Abstract

Miguel will be talking about how adoption is a KPI for measuring success implementing MLOps best practices in the company. He will provide examples, diagrams and experiences about his journey implementing MLOps in ABInBev.

Idioma: español

Nivel Técnico: 3/7

Lo que aprenderá: 

How to accelerate MLOps adoption in their companies

Principios Para IA Responsable

Rodrigo Rodriguez, Senior Cloud Solution Architect for Data & AI, Microsoft

Abstract

Las implicaciones sociales de la inteligencia artificial y la responsabilidad de las organizaciones de anticipar y mitigar las consecuencias involuntarias de la tecnología de inteligencia artificial son considerables. Las organizaciones están descubriendo la necesidad de crear directivas, procedimientos y herramientas a nivel interno para guiar sus esfuerzos de IA, tanto si implementan soluciones de IA de terceros como si desarrollan las suyas propias. En Microsoft hemos identificado seis principios que, en nuestra opinión, deberían regir el desarrollo y el uso de la IA: imparcialidad, confiabilidad y seguridad, privacidad y seguridad, inclusión, transparencia y responsabilidad. Para nosotros, estos principios son la piedra angular de un acercamiento responsable y de confianza a la IA, especialmente ahora que la tecnología inteligente es cada vez más frecuente en los productos y servicios de uso cotidiano. Azure Machine Learning admite actualmente herramientas para varios de estos principios, lo que hace que los desarrolladores de ML y los científicos de datos puedan implementar sin problemas la IA responsable en la práctica

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

Utilizar la IA de manera responsable y mitigar las consecuencias involuntarias de la Transformación Digital

fAIr LAC Jalisco: AI for Real in Mexico

Dr. Enrique Cortes Rello, Director, Artificial Intelligence Hub, Tec de Monterrey

Abstract

It is not often that AI is used to solve social problems (health, education, gender), and even less often when intelligent systems are put in use in the real world and results are measured. This is an example: we will discuss lessons learned (good and bad) of our use of AI in Mexico in colaboration with the Interamerican Development Bank and the State of Jalisco

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

When you implement AI systems in the real world, the most difficult probelms are not mathematical or technical

La Reproducibilidad Y El Control de Versiones Son Importantes: Seguimiento de Experimentos con DvC

Gema Parreno,Developer Advocate, Iterative

Abstract

Iterar sobre parámetros y enfoques es clave y normal cuando se construyen modelos de aprendizaje automático. Veremos cómo ejecutar, comparar, visualizar y realizar un seguimiento de los experimentos de aprendizaje automático directamente en VS Code. Esta extensión utiliza DVC, una herramienta de gestión de experimentos de ML y control de versiones de datos de código abierto de una manera visual amigable.

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

La importancia del versionado, la reproducibilidad y estructura en los experimentos de aprendizaje automático la hora de trabajar en entorno local, compartir y cooperar en equipos de Ciencia de Datos

CEO y Creador de Lightning. Company: Lightning AI

William Falcon, CEO & Founder, Lightning AI

Abstract

Everyone that works in the world of artificial intelligence can become overwhelmed by the amount of tools, platforms, and knowledge you need to build a complete machine learning system. For many of us, it can be difficult to know how to get started for ourselves, our teams, and our organizations. Imagine if there was a roadmap that could help you and your colleagues move faster without needing to spend a lot of time or money. In this session we’ll cover how you and your colleagues can accelerate your journey to AI maturity.

Idioma: español

Nivel Técnico: 2/7

Lo que aprenderá: 

Puede acelerar su viaje de IA con el plan y la tecnología correctos.

Uncertainty Quantification in Machine Learning Models

Noel Moreno Lemus, Senior Data Scientist, Procter & Gamble

Abstract

Uncertainty quantification (UQ) gives AI the ability to express that it is uncertain, adding transparency when implementing and using AI/ML models. Many ML models are being developed and put into production every day, however few take into account the quantification of the uncertainties associated with all stages of the process, from the data to the mathematical/computational model behind the predictions. If we don't start considering the uncertainties now, in the near future we are going to have many models unable to make good predictions and, depending on the area, this is going to be a big problems. The idea of ​​this presentation is, in the first place, to draw attention to this problem; second, to identify the different types of uncertainties that can appear in the different stages of development of ML models and third, to show some initiatives that have been developed and can begin to be used in a daily basis.

Idioma: español

Nivel Técnico: 7/7

Lo que aprenderá: 

Highlight the importance of uncertainty quantifying as part of the development of any Machine Learning model

GAN Networks & Deepfakes

Paula Martinez, CEO & Co-founder / Rodrigo Beceiro, CTO & Co-founder, Marvik

Abstract

This talk covers generative neural networks, with which NVIDIA, among others, began to generate realistic faces of people and objects. Details on StyleGAN and other architectures will also be presented. In addition, we will discuss its effect on deepfakes and lessons learned using this type of neural networks in practice.

Idioma: español

Nivel Técnico: 4/7

Lo que aprenderá: 

What are deepfakes and GANs and their different applications.

Changing Companies Culture into a Data Driven Mindset

Dante Tellez, Head of Data & Analytics, Philip Morris International

Abstract

Culture is the component that is not alowing companies to monetize data , according with accenture only 6% of companies in the word are data mature , let understand why and how to change it

Idioma: español

Nivel Técnico: 2/7

Lo que aprenderá: 

Implement good data strategy, consider all the component for that , not only stakeholder management, key roles, operational models and so on

Machine Learning Quality, ¿Qué Tan Confiable y Robusto es mi Modelo?

Christian Ramírez Arévalo, Machine Learning Technical Leader, MercadoLibre 

Abstract

Mientras la mayoría de los esfuerzos en machine learning se han enfocado en mejorar el performance de los modelos, el entendimiento de sí un modelo es confiable o no, ha quedado de lado, y hay un sinfín de preguntas que muchas veces debemos hacernos ¿cómo sabemos si las predicciones de un modelo son confiables? ¿con el tiempo se degradan la calidad de las predicciones que entrega mi modelo? ¿cómo tenemos la certeza que un algoritmo o arquitectura de modelo es más robusta que otra? ¿qué tan susceptible es el modelo a perturbaciones en las entradas? ¿mi modelo es resiliente a ataques adversariales? ¿en qué medida? ¿de qué tipo? ¿Es fácil “engañar” a mi modelo? ¿es coherente con la realidad el tipo de predicciones que genera mi modelo?, para responder estas preguntas y muchas más es que surge el machine learning quality, hoy por hoy distribuído en cuatro grandes ámbitos: Software engineering (las nociones típicas de quality en este sentido aplican) Data quality Models monitoring (a distintos niveles) Ethics (fairness, explainability, etc) En esta sesión abordaremos los últimos 3 puntos y veremos el valor que aportan a la estrategia de negocio

Idioma: español

Nivel Técnico: 2/7

Lo que aprenderá: 

Los modelos "aprenderán" lo que les enseñemos, para que un modelo aporte valor al negocio debemos cuidar su confiabilidad en el tiempo

Deep Learning Para la Previsión de Series de Tiempo

Max Mergenthaler, CEO y Co-Founder, Nixtla 

Abstract

El pronóstico de series de tiempo tiene una amplia gama de aplicaciones: finanzas, retail, salud, IoT, etc. Recientemente modelos de deep learning como ESRNN o N-BEATS han demostrado tener performance estado del arte en estas tareas. NeuralForecast es una librería de python que hemos desarrollado para facilitar el uso de estos modelos estado del arte a data scientists y developers. Escrita en pytorch, su diseño está enfocado en la usabilidad y reproducibilidad de los experimentos. El objetivo de la plática es introducir a les asistentes a los retos del pronóstico de series de tiempo con Deep Learning así como presentar resultados estado del arte usando NeuralForecast.

Idioma: español

Lo que aprenderá: 

El uso de deep learning para series de tiempo representa un emocionante camino en el creciente campo de la ciencia de datos y existen soluciones open source que pueden ser implementadas por la comunidad.

Automated Machine Learning: Manos a la obra con herramientas Open Source y empresariales

Favio André Vázquez Prieto, Lead Data Scientist Spanish LATAM, H2O.ai 

Abstract

La ciencia de datos está en constante evolución, y uno de los pilares de su presente y futuro es la aceleración en la generación de modelos predictivos con Automated Machine Learning (AutoML). En este taller se planteará el escenario actual y futuro de esta disciplina, montados sobre los nuevos avances en AutoML, demostrando el uso de distintas técnicas, librerías, frameworks y soluciones que optimizan el trabajo de los científicos de datos y los hacen más productivos con la finalidad de potenciar la entrega de valor, y la resolución de problemas de una manera eficiente. Además se hará una introducción a distintas técnicas de interpretabilidad para algoritmos generados con AutoML. Librerías OS que se cubrirán: - Auto-Sklearn - H2O-3 - TPOT - FLAML - Auto-PyTorch Frameworks empresariales: - H2O Driverless AI

Idioma: español

Nivel Técnico: 6/7

Lo que aprenderá: 

Nuevos mecanismos para hacer Machine learning de forma eficiente utilizando herramientas de AutoML

Compartir con amigos