IA Aplicada: Casos y Tendencias

Inteligencia Artificial Aplicada:
Casos y Tendencias
Enrique Serrano Montes
CEO Tinamica
@enriqueserranom
enrique.serrano@tinamica.com

AI
Deep Learning
Autoencoders
Machine Learning
Recurrent Neural Networks
Reinforcement Learning
Deep Forward Neural Networks
Transfer Learning
Convolutional Neural Networks
GRU
LSTM
GPUs
Backpropagation
ReLU
Stochastic Gradient Descent
Activation Function
Regularization
Cost/Loss Function
Embeddings

Copyright © SAS Institute Inc. All rights reserved.
Deep
Learning
Sistemas
Conversacionales
Sistemas de
Preguntas
Reconocimiento
de Imágenes
Chatbots Procesamiento
de Lenguaje
Natural (NLP)
¿Inteligencia Artificial (IA)?
Entrenar sistemas para emular tareas humanas a través de
Aprendizaje y Automatización

AI impactará tu
industria
Crecimiento anual en la inversión
en tecnologías de AI
Source: MBIT School & Business Tech Predictions: 10 Ways AI,
Big Data, and Cloud , Forrester.
3x
¿Qué está pasando?

AI impactará tu
industria
De las organizaciones eligen AI como su
iniciativa más importante
Source: Machine Learning and AI survey,
O’Reilly Media and MemSQL, 2018
61%
¿Qué está pasando?

Hoy en día AI puede ser vista como una
Amenaza ó como una Oportunidad
Ganar ventaja competitiva
Descubrir tendencias de crecimiento
Foco en el cliente
Nuevas capacidades
Eficiencia de procesos
Eliminación de procesos manuales
Transformación de fuerza de trabajo
Reducir tiempos entrega
Reducir costes
Mejorar margen
AMENAZA OPORTUNIDAD
RACIONAL
Falta de ventaja competitiva
Pérdida tendencias de mercado
Baja Experiencia de Clientes
IRRACIONAL
Despidos masivos
Robots reemplazarán a humanos
Pérdida de control

Chatbots
Motores de Busqueda y QA
Deep Learning Algorithms
Robot Process Automation
Natural Language Processing
Self Learning Models
Reinforcement Algorithms
Machine Learning
Reconocimiento Facial Sistemas Conversacionales
¿Qué se entiende por Inteligencia Artificial?
Técnicas
Técnicas
Aplicaciones
Aplicaciones

Conceptos Clave
Tipos de Métodos de Machine Learning
APRENDIZAJE
SUPERVISADO
• Datos con objetivo
• Clasificación, Predicción
• Algoritmos: Regresiones,
Arboles, NN, Gradient
Boosting etc.
APRENDIZAJE NO
SUPERVISADO
• Datos sin objetivo
• Segmentación, Extracción
de características
• Algoritmos: K-means, NN,
PCA, etc.
APRENDIZAJE SEMI-
SUPERVISADO
• Datos con y sin objetivo
• Clasificación, Predicción
• Algoritmos:
Autoencoders, TSVM
etc.
APRENDIZAJE POR
REFUERZO
• Agente, Ambiente y
acciones
• Robótica, Juegos y
navegación
• Algoritmos: Métodos
Monte-Carlo, Q-
Learning, etc.

Procesamiento de Lenguaje Natural (NLP)
NLP es una rama de la Inteligencia Artificial que ayuda a los computadores a entender,
interpretar y manipular lenguaje humano
Parseo y Extracción de Entidades /
Relaciones Detección de tópicos
Grupos de Textos y perfilamiento
Clasificación (Categorías, Sentimientos)
Entendimiento y Generación de
Lenguaje Natural
Búsqueda y resumen
automático
Traducción automática
Speech to Text
NLP

Entrenar y Calificar en Tiempo Real
Modelos de Machine Learning,
Google
• Streaming K-Means
• Streaming DBSCAN
• Streaming Linear Regression
• Streaming Logistic Regression
• Streaming Support Vector Machine
Ejecutar Datos en Tiempo Real
Algoritmos SAS, Tensorflow…
• Streaming Text Tokenization
and Text Vectorization
• Streaming Receiver Operating
Characteristic Information
• Streaming Image Processing
Despliegue en Tiempo Real de las Aplicaciones de AI
Entrenar en Reposo y Calibrar en
Tiempo Real
Modelos de Machine Learning
• Forest, Gradient Boosting
• Factorization Machine
• Support Vector Machine
• Robust PCA, SVDD
• Text Analytics
• Deep Learning
• Bayesian networks
X
X

Experiencias

Aplicaciones
ATM
Forecasting
Optimización del
Efectivo en Cajeros
Electrónicos
Recurrent Neural
Networks (RNN) - LSTM

Tunnel
Curiosity
Tren Autónomo
para mantenimiento
red alta velocidad
Clasificación y
reconocimiento de
imágenes

Pagos sin efectivo
y sin tarjeta
Sonría para pagar
Reconocimiento Facial
mediante Redes
Neuronales
Convolucionales (CNN)

Reconocimiento
de ImágenesAnálisis de Fraude
Experiencia del
cliente
Customer Engagement para Aseguradoras
Text Analytics
(NLP)
Reconocimiento
de Imágenes
(CNN)
Sentiment
Analysis
(NlP)

Optimización
valoración en
siniestros
Identificación de
Imágenes para Pólizas
Reconocimiento de
Patrones
(CNN)
Estandarizar
tamaño de la
imagen
Convertir de
color a escala
de grises
Reducir ruido y
crear datos
binarios
Reconocer
contornos

What is behind the scenes?
• Picture of brain or crystal ball? Fancy named Stetson? Watson? Archimedes?
Terminator? Musk? Zuckenberg? Google?
• Essentially each application has model behind. An algorithm.
• An algorithm that is suitable for that perticular problem. It can solve that problem. The
same algortighm that plays GO does not classify fraudulant claims or read a single
article.
• Sure you can utilize the same algorighm or arhchitecture to a new SIMILAIR problem. But you
need to retrain. You will most likely need to adjust thigns around the algorithm.
• Combining these algorighms is possible but at the moment it is nowhere near General
AI – AI that learns like humans. AI that learns different problems.
• Quote ”It just one model” Netflix GO document
• Quote Siitä artikkelista – fuss blaa blaa
• Quote Jim (or Oliver) ”It ain’t nothing the machine learned. It’s a model”
Gracias

IA Aplicada: Casos y Tendencias

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a IA Aplicada: Casos y Tendencias

Semelhante a IA Aplicada: Casos y Tendencias (20)

Mais de AMETIC

Mais de AMETIC (20)

Último

Último (10)

IA Aplicada: Casos y Tendencias

Notas do Editor