La mayoría creéis que hace más falta en España respecto a la IA/DL es teoría/matemática (I+D).
Yo difiero: opino que lo que más >falta< hace son ingenieros y programadores para >implementar< deep learning en las organizaciones, empresas, etc.
Explico mi postura (HILACO) =>
Yo difiero: opino que lo que más >falta< hace son ingenieros y programadores para >implementar< deep learning en las organizaciones, empresas, etc.
Explico mi postura (HILACO) =>
1) La teoría/matemática que se usa para casi todas las aplicaciones >prácticas< de deep learning la tenemos desde hace décadas: aprendizaje supervisado con redes neuronales profundas.
Recientemente en I+D se han hecho cosas muy chulas (GANs, deep RL, etc.)...
Recientemente en I+D se han hecho cosas muy chulas (GANs, deep RL, etc.)...
..pero un altísimo porcentaje de las aplicaciones sorprendentes de deep learning que vemos hoy son "simplemente" aplicar bien el I+D de hace décadas con los recursos de hoy en día.
Parece poco pero no lo es en absoluto.
Parece poco pero no lo es en absoluto.
2) (ingenieros/programadores) lo dejo para el final.
3) Capacidad de cálculo (CPUs/GPUs). A efectos prácticos en la mayoría de los casos para aplicaciones reales no es un problema no ser que habláramos de tener independencia tecnológica a nivel país (fuera de discusión).
3) Capacidad de cálculo (CPUs/GPUs). A efectos prácticos en la mayoría de los casos para aplicaciones reales no es un problema no ser que habláramos de tener independencia tecnológica a nivel país (fuera de discusión).
4) Datos etiquetados. Me ha sorprendido que no mucha gente lo haya votado. España tiene en comparación muy pocos datos (al menos abiertos) etiquetados para entrenar modelos.
Para usar un modelo DL en local mejor haberlo entrenado con datos locales.
Para usar un modelo DL en local mejor haberlo entrenado con datos locales.
A nivel público veo una grandísima oportunidad en crear un "Ministerio de datos" que fomente acuerdos donde a cambio de usarlos las entidades los etiquetan, etc. y existe un acuerdo que beneficie a todas las partes (sociedad/investigadores/comercializadores).
A nivel privado y sobre todo empresas siempre que me consultan sobre "cómo aplicar IA en mi empresa" lo primero es ver el problema y los datos. Gran mayoría de veces los datos que han recopilado no están preparados para ser explotados y hace falta quizás una 5) opción que:
5) Especialistas en procesos y productos de aprendizaje automático. Mucho se habla de "Data scientist" (prototipa/entrena), "Data analyst" (analiza), "Data engineer" (implementa) pero poco sobre...
"Data product manager" o "Data process manager" que especifica productos nuevos o adapta existentes a entornos con IA:
- Cómo hago que el usuario introduzca datos útiles
- Cómo se re-entrenan y mejoran modelos
- Cómo se detectan y escalan los fallos predictivos,
- y largo etc.
- Cómo hago que el usuario introduzca datos útiles
- Cómo se re-entrenan y mejoran modelos
- Cómo se detectan y escalan los fallos predictivos,
- y largo etc.
Cuando se habla de "digitalización de la economía, empresas, y procesos" me da la sensación de estar en un viaje al pasado (y la verdad: me aburre).
Lo que deberíamos de pensar (y enseñar) es cómo será la economía, empresas, y procesos en un mundo con IA.
Lo que deberíamos de pensar (y enseñar) es cómo será la economía, empresas, y procesos en un mundo con IA.
...así que por eso lo primordial desde mi óptica es que falta lo necesario para IMPLEMENTACION: sobre todo ingenieros y desarrolladores (y ojo que la parte de programación es mínima, así que debería ser fácil la transición para estudiantes de ciencias que no sepan programación).
...y aunque no en la encuesta, tb echo en falta impulsores de proyectos ?>verdaderamente< transversales en disciplinas (🙏🏻 si te llaman "experto" en IA en una conferencia/tertulia deberías saber: lo que es sobre-entrenamiento, transferencia de aprendizaje, etc.🙏🏻).
