Las caras Humanas de la IA – Yann LeCun

21 junio, 2024 / jrgsanta / 12 comentarios

🤖 ✨ Vivimos tiempos de cambio en los que parece ser que la IA está en el centro de todo. Sin embargo, muchas veces olvidamos que detrás de toda la IA que se pone a nuestro servicio hay personas que son las que la diseñan y construyen. Con este nuevo reto «Las caras Humanas de la IA» quiero poner mi pequeño grano de arena para contribuir al objetivo de que no olvidemos que detrás de cada gran logro y avance hay personas que no deberían quedar en segundo plano. En un mundo cada vez más automatizado, es importante recordar la importancia del factor humano en el desarrollo y la implementación de la inteligencia artificial. Las habilidades, la pasión y el compromiso de los profesionales que trabajan en este campo son fundamentales para garantizar que la IA sirva para el bien común y responda a las necesidades reales de la sociedad. Es esencial reconocer y valorar el trabajo de estas personas, destacando sus contribuciones y el impacto positivo que generan en nuestras vidas a través de la tecnología.

Y el tercero de mi serie no podría se otro que Yann LeCun. ¿Conoces a Yann LeCun? ¿Sabías que el junto con Yoshua Bengio y Geoffrey Hinton recibieron el Premio Turing en 2018?

👤 Yann LeCun

Yann LeCun

Yann LeCun junto con Geoffrey Hinton y Yoshua Bengio, son conocidos por algunos como los «Padrinos de la IA» y «Padrinos del Aprendizaje Profundo«. Conocido por su trabajo en reconocimiento óptico de caracteres y visión por computadora utilizando redes neuronales convolucionales (CNN), y padre fundador de estas últimas.

💡 Redes Neuronales Convolucionales (CNNs) (1989)

⭐️ Desarrollo de CNNs: En 1989, LeCun introdujo las redes neuronales convolucionales, que son fundamentales para el reconocimiento de imágenes y otros tipos de datos estructurados.
🎯 Aplicaciones en Visión por Computadora: Las CNNs se han convertido en la base de muchas aplicaciones de visión por computadora, incluyendo la clasificación de imágenes y la detección de objetos.

💡 Papelería y Reconocimiento de Manuscritos (1998)

⭐️ Sistema de Reconocimiento de Cheques: En 1998, LeCun desarrolló un sistema de reconocimiento de cheques bancarios basado en redes neuronales, que fue una de las primeras aplicaciones comerciales exitosas de las CNNs.
🎯 Avances en Reconocimiento de Escritura: Sus técnicas mejoraron significativamente el reconocimiento de caracteres manuscritos.

💡 Redes Adversariales (GANs) y Modelos Generativos (2014)

⭐️ Investigación en GANs: Aunque GANs fueron introducidas por Ian Goodfellow, LeCun ha contribuido al desarrollo y aplicación de modelos generativos adversariales en diversas áreas de la IA.
🎯 Innovaciones en Modelos Generativos: Sus investigaciones han ayudado a mejorar la capacidad de generación de datos sintéticos.

💡 Supervisión de Aprendizaje (2015)

⭐️ Facebook AI Research (FAIR): En 2015, LeCun se convirtió en el director de investigación en inteligencia artificial de Facebook, donde ha liderado iniciativas para avanzar en el aprendizaje supervisado y no supervisado.
🎯 Desarrollo de Tecnologías Avanzadas: Su trabajo en FAIR ha impulsado el desarrollo de tecnologías avanzadas en IA.

💡 Premio Turing (2018)

⭐️ Yann LeCun, junto con Geoffrey Hinton y Yoshua Bengio, recibió el Premio Turing, a menudo considerado el «Nobel de la Informática«, por sus contribuciones fundamentales al desarrollo de redes neuronales y el aprendizaje profundo.
🎯 Impacto: Este premio reconoció su influencia crucial en la inteligencia artificial y consolidó su estatus como pionero en el campo.

🗺️ 🧠 ¿Qué tal un MMM con está información?

Os dejo el resumen Visual de Yann LeCun, creo que nos puede ser útil para recordar su contribución a la IA.

🤖 Anteriormente en este reto … 🤖

👤 Geoffrey Hinton

👤 Yoshua Bengio

⭐️ ¿Me ayudas a seguir con este reto? ⭐️

¿Conocías al personaje de hoy? ¿Te gustaría añadir más información sobre el personaje? ¿Qué personaje te gustaría que tratase en siguientes posts? Quedo atento a tus respuestas a estas preguntas o cualquier otra que se te ocurra relacionada con el tema. Animate y ayúdame a seguir contribuyendo a la comunidad.

Muchas gracias 😃

Las caras Humanas de la IA – Yoshua Bengio

19 junio, 2024 / jrgsanta / 13 comentarios

Continuo este reto con Yoshua Bengio. ¿Conoces a Yoshua Bengio? ¿Sabías que en el premio Turing de 2018 fue compartido por tres científicos? Y sí, uno de ellos fue Yoshua Bengio

👤 Yoshua Bengio

Yoshua Bengio

Yoshua Bengio junto con Geoffrey Hinton y Yann LeCun, son conocidos por algunos como los «Padrinos de la IA» y «Padrinos del Aprendizaje Profundo«. Conocido por sus contribuciones y su trabajo en redes neuronales artificiales y aprendizaje profundo.

💡 Redes Neuronales Profundas (2000 – 2010)

⭐️ Superación del escepticismo: Entre los años 2000 y 2010, Bengio fue uno de los principales defensores del uso de redes neuronales profundas, ayudando a superar el escepticismo inicial.
🎯 Aplicaciones revolucionarias: Durante esta década, las aplicaciones de redes profundas comenzaron a demostrar su potencial en diversas áreas.

💡 Representaciones Distribuidas y Embeddings (2003)

⭐️ Procesamiento del lenguaje natural: En 2003, Bengio publicó trabajos fundamentales sobre representaciones distribuidas de palabras (word embeddings) que mejoraron significativamente el procesamiento del lenguaje natural.
🎯 Mejoras en representación de datos: Estos avances permitieron representaciones más efectivas de datos en general.

💡 Algoritmos de Optimización (2010 – 2015)

⭐️ Variantes de descenso de gradiente: Entre 2010 y 2015, Bengio contribuyó al desarrollo de algoritmos de optimización, como Adam, que son más eficientes y estables para el entrenamiento de redes neuronales profundas.
🎯 Eficiencia y estabilidad: Estos algoritmos han mejorado la eficiencia y estabilidad del entrenamiento.

💡 Métodos de Entrenamiento y Regularización (2012)

⭐️ Técnicas de regularización (Dropout): En 2012, Bengio y su equipo introdujeron el método de «Dropout» para regularizar redes neuronales y prevenir el sobreajuste.
🎯 Mejora en generalización: Estos métodos mejoraron la capacidad de generalización de los modelos.

💡 Redes Generativas (2014)

⭐️ Redes Generativas Antagónicas (GANs): En 2014, Bengio fue uno de los pioneros en el desarrollo de GANs, que han ampliado las capacidades de las IA para generar datos nuevos y realistas.
🎯 Capacidad para generar datos: Las GANs han demostrado su utilidad en la generación de imágenes, videos y otros tipos de datos sintéticos.

💡 Element AI (2016)

⭐️ Fundación de Element AI: En 2016, Bengio co-fundó Element AI, una empresa dedicada a desarrollar soluciones de inteligencia artificial para empresas. Su contribución se centra en la investigación avanzada y la implementación práctica de IA.

💡 Premio Turing (2018)

⭐️ Yoshua Bengio , junto con Geoffrey Hinton y Yann LeCun, recibió el Premio Turing, a menudo considerado el «Nobel de la Informática«, por sus contribuciones fundamentales al desarrollo de redes neuronales y el aprendizaje profundo.
🎯 Impacto: Este premio reconoció su influencia crucial en la inteligencia artificial y consolidó su estatus como pionero en el campo.

🗺️ 🧠 ¿Qué tal un MMM con está información?

Os dejo el resumen Visual de Yoshua Bengio, creo que nos puede ser útil para recordar su contribución a la IA.

🤖 Anteriormente en este reto … 🤖

👤 Geoffrey Hinton

⭐️ ¿Me ayudas a seguir con este reto? ⭐️

Muchas gracias 😃

Las caras Humanas de la IA

17 junio, 2024 / jrgsanta / 15 comentarios

Así que, ¡empecemos!, ¿Conoces a Geoffrey Hinton? Si estás utilizando IA y no sabes quién es, es el momento de poner remedio a esta situación…

👤 Geoffrey Hinton

Geoffrey Hinton

Geoffrey Hinton conocido como el «padrino» de la inteligencia artificial, decidió renunciar a Google a los 75 años por los peligros que reconoce en las nuevas tecnologías. Sus principales contribuciones y premios en el campo de la inteligencia artificial y el aprendizaje profundo son los siguientes.

💡 Redes Neuronales Profundas y Backpropagation (1986)

⭐️ Geoffrey Hinton, junto con David Rumelhart y Ronald J. Williams, publicó el famoso artículo sobre el algoritmo de retropropagación (backpropagation), que es esencial para entrenar redes neuronales profundas.
🎯 Impacto: Este trabajo fue fundamental para el desarrollo de las redes neuronales modernas y sentó las bases para gran parte del trabajo posterior en aprendizaje profundo.

💡 Restricted Boltzmann Machines y Deep Belief Networks (2006)

⭐️ Hinton introdujo los Restricted Boltzmann Machines (RBM) y las Deep Belief Networks (DBN), que fueron algunos de los primeros modelos que permitieron el entrenamiento efectivo de redes neuronales profundas.
🎯 Impacto: Estos modelos demostraron que era posible entrenar redes neuronales profundas y ayudaron a impulsar el renacimiento del interés en el aprendizaje profundo.

💡 Victoria en la Competencia ImageNet (2012)

⭐️ Junto con sus estudiantes Alex Krizhevsky e Ilya Sutskever, Hinton desarrolló AlexNet, una red neuronal convolucional que ganó la competencia de reconocimiento de imágenes ImageNet.
🎯 Impacto: Esta victoria demostró el poder de las redes neuronales profundas para tareas de visión por computadora y fue un punto de inflexión en la adopción generalizada del aprendizaje profundo.

💡 Premio Turing (2018)

⭐️ Geoffrey Hinton, junto con Yoshua Bengio y Yann LeCun, recibió el Premio Turing, a menudo considerado el «Nobel de la Informática«, por sus contribuciones fundamentales al desarrollo de redes neuronales y el aprendizaje profundo.
🎯 Impacto: Este premio reconoció su influencia crucial en la inteligencia artificial y consolidó su estatus como pionero en el campo.

💡 Trabajo en Google Brain y la Aplicación Práctica del Deep Learning

⭐️ Hinton ha trabajado en Google Brain, donde ha aplicado sus conocimientos de aprendizaje profundo a una variedad de problemas prácticos, incluyendo la mejora de sistemas de reconocimiento de voz y procesamiento de imágenes.
🎯 Impacto: Su trabajo ha tenido un impacto directo en productos y servicios utilizados por millones de personas, demostrando la aplicabilidad del aprendizaje profundo en el mundo real.

🗺️ 🧠 ¿Qué tal un MMM con está información?

Os dejo el resumen Visual de Geoffrey Hinton, creo que nos puede ser útil para recordar su contribución a la IA.

⭐️ ¿Me ayudas a seguir con este reto? ⭐️

Muchas gracias 😃

MindSet Agile – CAEA 2024

7 junio, 2024 / jrgsanta / No hay comentarios

🚀 Caea 2024, mucho más que una conferencia 🚀

Ayer 6 de junio de 2024 tuve el honor de participar como Visual Thinker / Facilitador Gráfico en la Conferencia de Agilidad de la Empresa Aragonesa, y necesito compartiros mi experiencia para dar eco de este gran evento. 🎨📊

Desde mi perspectiva como Visual Thinker, la conferencia fue una verdadera aventura de aprendizaje y colaboración. La agilidad no solo se trata de metodologías, sino de alcanzar el mindset adecuado, el cual trato de compartir en cada dibujo, y en cada idea visualizada.

🤖✨Para dar un poco de Ritmo a la muestra de los sketchnotes creados en vivo durante la jornada del evento le he añadido un RAP con letra inspirada en las ponencias del Evento, y generado con la IA Suno.com Además, le he añadido como Intro en estilo Star Wars el texto del post de Rodrigo López-Romero

CAEA 2024 en Sketchnotes

💡MindSet Agile💡

🔍 Enfoque: Como los grandes equipos ágiles, mantener el foco en la tarea es crucial. Por lo que cada trazo y cada concepto tiene que estar perfectamente alineado con las ideas que cada ponente nos transmite.

💡Aportar Valor: Utilizando los recursos disponibles, mi objetivo siempre es maximizar el impacto de cada visualización, asegurándome de que cada idea pueda transmitirse de la manera más clara y efectiva posible.

🏃‍♂️Calidad: La rapidez no puede sacrificar la calidad. Cada representación visual debe ser precisa, ágil y de la mayor calidad posible, reflejando el dinamismo y la innovación de la ponencia.

Y siempre, siempre, siempre …

🌟 Valores del Manifiesto Ágil: Los valores del manifiesto ágil resonaron en cada una de las intervenciones: individuos e interacciones, soluciones funcionando, colaboración con el cliente y respuesta ante el cambio. Cada uno de estos valores se integran en mis sketchnotes, guiando cada decisión visual.

Y como bien dice el espíritu de Star Wars: «Las rebeliones se basan en la esperanza». 💫 Y es precisamente esa esperanza la que nos impulsa a seguir mejorando, innovando y colaborando para un futuro más ágil y eficiente.

Estoy increíblemente agradecido un año más por esta oportunidad y experiencia impagable. 🙌

#VisualThinking #Agilidad #ConferenciaAragonesa #Innovación #Colaboración #Esperanza#CAEA2024 #CAEA #agile #CampusFundaciónIbercaja

Gráfico de la Top 10 de países que consumen alcohol en Latinoamérica

Certificado en Visualización de Datos

2 junio, 2024 / jrgsanta / No hay comentarios

Estoy muy contento de compartir con todos que he finalizado con éxito el curso de certificación en Visualización de datos ofrecido por Platzi y en colaboración con Latinometrics. Quiero agradecer a ambos por la excelente estructura y contenido del curso, que me ha permitido adquirir y mejorar mis habilidades en esta área tan importante. Aquí os muestro el certificado que he obtenido…

*Certificado en Visualización de Datos Platzi y Latinometrics*

Para completar el certificado, seguidamente os muestro un pequeño proyecto que añadiré en el área de proyectos del curso en Platzi.

Proyecto: 🍺 El consumo de alcohol en Latinoamérica: Un análisis preocupante

🚨 El consumo de alcohol es un tema que afecta a muchas sociedades en todo el mundo, y Latinoamérica no es la excepción. A través de este pequeño proyecto, quiero mostraros algunos datos alarmantes sobre el consumo de alcohol en Latinoamérica. 🚨

😨 Introducción: Una realidad alarmante

El consumo de alcohol en Latinoamérica sigue siendo un problema significativo, con diversas implicaciones para la salud pública y la seguridad vial. A pesar de los esfuerzos por reducir su consumo, los datos muestran que se está lejos de alcanzar resultados positivos. Hoy quiero enfocar este análisis en los 10 países con mayor consumo de alcohol y en particular, en Argentina, un país que destaca negativamente en esta problemática.

📊 Datos y visualizaciones

Top 10 de países con mayor consumo de alcohol en Latinoamérica Aquí presento un gráfico de barras que ilustra los diez países de nuestra región con el mayor consumo de alcohol per capita.

Datos preocupantes sobre Argentina y el alcohol En Argentina, país con el mayor consumo de alcohol en Latinoamérica, se observan dos datos especialmente alarmantes.

*Argentina y el Alcohol dos datos muy preocupantes*

El 25% de los accidentes de coche mortales son producidos por conductores a los que se les detecto alcohol en sangre.

El consumo de alcohol comienza a los 13 años, y la tendencia es a que esta edad disminuya. Estos datos reflejan una problemática que requiere atención y acciones urgentes para mejorar la situación.

⭐️ Principios fundamentales de una buena visualización de datos

Para concluir este post, quiero compartir con vosotros los cinco principios que considero fundamentales para una buena visualización de datos, principios que he aprendido y que considero esenciales para cualquier proyecto en esta área:

Claridad: La visualización debe ser clara y fácil de entender. Evita el uso de gráficos complicados y mantén el diseño limpio.
Precisión: Asegúrate de que los datos están representados con precisión, sin distorsionar la realidad.
Relevancia: Elige los datos y las visualizaciones que sean más relevantes para el mensaje que quieres transmitir.
Consistencia: Utiliza un estilo coherente en todas tus visualizaciones para que el público objetivo pueda seguir fácilmente el flujo de la información.
Estética: Una buena visualización de datos también debe ser visualmente atractiva para captar y mantener la atención de la audiencia.

Estos principios no solo ayudan a mejorar la comprensión de los datos, sino que también contribuyen a contar una historia más efectiva y convincente. Gracias a Platzi y Latinometrics por este excelente curso, ahora me siento más preparado para aplicar estos principios en mis proyectos futuros.

Muchas gracias