hola chicos y chicas qué tal estáis bienvenidos a un nuevo formato en el
canal un formato que a lo mejor bueno os tiene sorprendidos de repente un vídeo
de dos horas y media creo que es que es esto bueno esto es un formato típico de
entrevista tampoco tiene mucha ciencia donde yo espero en un futuro ir
trayendo gente al canal que yo creo que pueda tener una conversación muy
interesante que pueda hablar sobre inteligencia artificial o sobre
diferentes aspectos que rodean al mundo de la inteligencia artificial y donde
podamos traer a gente relevante que nos pueda arrojar luz sobre cómo están
avanzando las cosas para una primera entrevista si a mí me preguntarán a
quién me gustaría entrevistar pues yo no sé me gustaría entrevistar a gente
que tuviera un conocimiento técnico bastante amplio que supiera bastante del
tema que pudiéramos aprender cosillas de esto gente que le gustara emprender que
nos pudiera contar un poco sobre cómo lanzar un producto lanzar una empresa
que estuviera relacionada con este mundo que nos hablara de divulgación que nos
contara pues cómo deberíamos de aprender sobre este mundo bueno al final
una serie de aspectos que por suerte el invitado que viene hoy los recoge todos
os traigo a una de las personas que a mí más me fascinan dentro de la
comunidad inteligencia artificial en españa y también a nivel global es
andrés torrubia andrés torrubia es una persona que hace cuatro años se mete
por primera vez en un curso sobre deep learning no sabe nada del tema y
actualmente se ha convertido en uno de los másteres dentro de kagel vale la
página está para hacer competiciones es una persona que tenéis que conocer
además vamos a hablar de muchas cosas bastante locas biomedicina alfa fold las
novedades del 2020 que esperamos para el 2021 cómo debería ser la formación en
españa vamos a hablar de cómo se debería aprender dentro del campo la
inteligencia artificial computación cuántica un montón de cosas una
conversación fascinante que quiero que escuchéis dicho esto un aspecto más que
quiero comentar antes de lanzar la entrevista y es que andrés torrubia ya
lo mencioné hace un par de vídeos cuando os hablé del máster del instituto de
inteligencia artificial entonces vamos a estar hablando de este máster y es por
ello que antes de empezar quiero lanzaros el clip que os puse en el vídeo
de redes neuronales convulsionales dando información sobre este máster porque
sé que muchos una vez conozcáis el perfil de andrés pues querréis seguir
aprendiendo de él o a través de su máster o veréis interesados entonces
quiero que sepáis cuál es esta información tendréis también toda la
información abajo en la cajita descripción y también los descuentos
que están asociados a los espectadores de este canal que eso también se lo
tengo que agradecer andrés entonces os dejo con el clip y ya después de esto sí
empieza la entrevista bien ya estamos todos en el tren del hype perfecto
porque antes de empezar quiero hablaros sobre el patrocinador de este vídeo se
trata de la nueva edición del máster ejecutivo sobre inteligencia artificial
en castellano que viene de la mano del instituto de inteligencia artificial se
trata de un máster que está diseñado está orientado para personas para
profesionales directivos inversores que realmente quieran buscar extraer un
valor a toda esta tecnología de inteligencia artificial que no paramos
de ver aquí en el canal y que lo quieran hacer sin cometer los típicos
errores que se dan en la industria no busca ser un máster muy técnico en la
parte de matemáticas ni programación sino que lo que quiere es daros una
visión realista de lo que es la inteligencia artificial y cómo se puede
implementar lejos de sensacionalismos el poder liderar un proyecto de ia el poder
tomar decisiones estratégicas y el poder ir orientando vuestro perfil
profesional hacia una tecnología que todos sabemos que tiene un gran potencial
de cambio pero que no mucha gente sabe llevarlo a la práctica además contaré
con una plantilla de profesores que tienen una cosa muy importante y es
experiencia real destaco el perfil de por ejemplo andrés torrubia que si
estáis metidos un poco en el mundo del machine learning o sonará no sólo por
ser una persona que tiene una amplia experiencia dentro de plataformas como
kagel sino por también su podcast software 2.0 donde entrevista a gente muy
del ámbito no sólo académico sino también industrial es decir un perfil de
profesores que es todo un lujo el máster evidentemente dada la situación
actual es 100% online lo cual es una ventaja para muchos de vosotros y se
realizará desde enero hasta junio de 2021 si os interesa os recomiendo que
matriculeis ya porque además de que las clases son limitadas el precio de la
matrícula va a estar reducido hasta el 1 de diciembre y no sólo eso sino que
también por ser espectadores de dot csv contáis con un código de descuento del
10% tenéis toda la información aquí abajo también en la descripción así que
nada aprovechad esta oportunidad si queréis mejorar vuestros perfiles
profesionales echad un ojo a la página web del máster y ahora sí comenzamos
bienvenidos a un nuevo formato para el canal de youtube un formato que
posiblemente empiece hoy y acabe hoy no sé cuándo lo continuaremos pero era
algo que tenía un pendiente que se había quedado en el tintero después de
que con este buen señor que me acompaña hoy aquí tuvieron una conversación en el
pasado en el en su podcast en software 2.0 tuvimos una conversación bastante
larga bastante profunda de un poco comentando diferentes temas dentro del
mundo de la inteligencia artificial y luego en la en el after estuvimos bastante
tiempo también comentando otras cosas y quedó pendiente esto no una visita al
canal para para hablar de otros temas que yo creo que también pueden ser
interesantes para la audiencia para que le conozcáis y también para hablar de
unos cuantos temas que van a ser interesantes
estoy con andrés torrubia algunos le conoceréis otros a lo mejor es la
primera vez que le estáis viendo pero ya veréis que va a ser una persona
bastante interesante de conocer yo la conocí hace hace un año creo que nos
conocimos andrés fue fue en un evento y también estuvimos hablando mucho tiempo
grabamos el podcast y creo que la tercera vez que hemos interactuado ha
sido cuando te confundí con un deep fake eso ha sido como nuestra evolución ha
sido nuestra evolución en el tiempo pero pero bueno si yo te preguntara a ti
quién es andrés torrubia que respuesta me das así
bueno para este canal vale yo siempre tengo en twitter una que es muy divertida
no y yo digo que que de día tengo un lado de emprendedor de empresa de
internet sería como batman y bruce wayne no entonces mi lado de día sería el
lado de entre comillas de bruce wayne salvando las distancias yo soy mal
guapo y de noche tengo el lado en que especialmente en la inteligencia
judicial en el deep learning de batman no entonces hoy estamos en el lado
batman que aunque no llevo la capa y demás pero vamos a hablar de batman está
bien la en realidad lo interesante yo creo que del perfil tuyo sobre todo
también es la parte de conocimiento del mundo de emprendimiento no que que al
final pasa mucho que desde mi punto de vista no al menos yo tengo una
vertiente muy académica o sea conozco mucho de la parte de inteligencia
artificial pero muy de universidades papers y todo esto y carezco enormemente
de la otra visión que es súper importante que vale y esto como cómo le
sacamos valor no como podemos poner a rendir todos estos avances que son
súper impresionantes pero que realmente son no sé que cómo lo cómo los
convertimos en herramientas reales de esto vamos a hablar también si quieres
ahí carlos rebobino no porque justamente o sea yo tenía esa trayectoria muy
académica de hecho pues hice empecé un doctorado y en hace muchísimo tiempo
hace literalmente el siglo pasado en el año 98 y y era de criptografía y demás
de de encriptación no y de hecho está en el doctorado de aplicar la
criptografía en criptación para el software y está haciendo doctorado y
entonces en ese pues en ese tercio de me fui a una que aún a una conferencia
académica y y ahí vi que realmente lo que estaba haciendo más que un doctorado
que lo estaba haciendo era un producto y eso pues fue la génesis de con esa idea
digamos de doctorado pero enseguida me juntó con mi primo y creamos una
empresa digamos de entendernos aunque no es evidentemente pero con algunas de las
tecnologías que hoy conocemos por steam vale steam el sistema de descarga y
distribución de videojuegos pues antes de que existen estas plataformas las
empresas querían tener este tipo de tecnología
en sí mismo no para hacerse para distribuir sus juegos no tengo ese lado
a ese lado que tú dices yo claramente he estado ahí y lo vivieron 98 por la
transición de las descargas en él digamos de físicas a internet y ahora lo
estoy viviendo y de eso vamos a tratar también hoy de un poco de la irrupción
de la inteligencia artificial muchas que viene con una bagaja académico
increíble pero se mete en la vida y en los negocios tal cual tal cual esto es un
poco también lo que lo que creo que también buscáis hacer desde el
instituto de inteligencia artificial que también vamos a tenemos un bloque
dedicado a eso con el máster que estáis a punto de sacar la segunda edición un
máster que está orientado en no tanto un perfil tan de nuevo académico técnico
de programación de estadística matemática sino oye vamos a formar al
resto de ecosistema de profesionales que tienen que estar ahí pues para que todo
esto funcione porque si eso no si tú coges alguien muy técnico le dices oye
una solución a un producto de todo esto como como lo convertimos esto nos
meteremos también hablar tiene el podcast o sea también hace divulgación
del mundillo de la inteligencia artificial y con una envidia sana te
digo que has tenido la suerte de entrevistar a grandes como Jeremy
Howard, a Aureol Viñals, a gente de España también que está trabajando en
cosas súper interesantes a Mikel, a Javier de Ideami, a Carlos Santana, a Carlos
Santana también se coló ahí en esa lista no sé por qué a Victoriano a
Carolina Iglesias no sé es como tiene esa vertiente transversal porque al final
tocas pues inteligencia artificial con medicina tuviste a Aurelia inteligencia
artificial con efectos especiales y no sé es un podcast súper recomendado
también tienes una entrevista incluso a ti mismo hablando de toda la parte de
Cagle una pregunta aquí sería a quién te gustaría entrevistar que no hayas
entrevistado o sea si tuvieras carta blanca y no tuvieras barreras idiomáticas
ni nada de esto a quién te gustaría? pues me gusta mucho mira el con Jeremy
Howard realmente viene de esa entrevista mucha entrevista
sabes que el podcast es un podcast en castellano y claro el podcast en
castellano hay un montón de gente que estoy seguro que también pues todos
querríamos entrevistar pero no va a ser fluido la conversación pero dije pues
mira me inventé un formato luego pues un desafío ese entrevista fue la
entrevista en inglés porque Jeremy no habla en castellano pues yo hago una
entrevista en inglés y él me responde en inglés luego lo que dice en
castellano para la gente que escuche el podcast en castellano pues yo me grabé
encima las preguntas hice el doblaje pero con un tono porque si no hablando yo
todo el tiempo era muy raro entonces yo pregunto en castellano que el no yo esa
versión en castellano respondió en inglés y yo luego traduce lo que dije lo
que decía Jeremy o sea Jeremy se le oye en castellano todos más o menos
entendemos un poco el inglés pero lo que hago yo es traduzco lo que dice y luego
lo digo también se lo expliqué a Jeremy cuando iba a hacer la entrevista le dije
Jeremy voy a hacerlo así y cuando yo traduzca tus respuestas les haré un
pequeño comentario de algunas cosas que también es interesante porque a veces
mira Jeremy cuando está respondiendo esto en verdad se refiere a esta cosa es
todo otro y tal no entonces a tu pregunta a quien me gustaría entrevistar pues
mira me gustaría entrevistar hay un perfil que es súper interesante que es
Kai Fuli, la historia de Kai Fuli también es increíble a
muchísimos niveles y él es una persona que nació en taiwan y fue a
estados unidos a estudiar muy pequeño y luego es un ingeniero que ha
trabajado en apple ha trabajado en microsoft tiene una carrera increíble
desde el punto de vista digamos de formarse como ingeniero luego va a
google china fue como el ceo por así decirlo de google china y allí pues
tiene ahí se da cuenta de que no de que de que es digamos es un satélite de
google en china no tiene autonomía entonces pues eso realmente lo hace
replantearse todo luego tiene una circunstancia personal muy difícil en
definitiva me gustaría mucho y luego pues todos sabemos hoy en día dónde está
china en la inteligencia artificial que hoy nos parece inalcanzable pero a mí me
gusta mucho el ejemplo de china porque hoy es como un país que no era nada
literalmente no era nada de nada se coloca tan rápido donde está yo creo que
ahí tendríamos que hacerlo mirar entonces si me dijeras una te diría que
hay full y después de todo esto pues lo comentaba antes tu vertiente de batman
que quizás es también una de las que yo creo que te empezó a conocer por esto
no por tu actividad sobre todo lo que ibas comentando en twitter dentro de la
plataforma kagel vale kagel a lo mejor hay gente que lo conocerá hay gente que
no lo conocerá cómo podríamos describir lo que es kagel para alguien que no lo
ha ido nunca pues mirar kagel es una plataforma de competiciones en general
de aprendizaje automático vale de machine learning o de aprendizaje
profundo de deep learning ahí va una empresa o una organización que tiene un
problema y ya tiene los datos súper importante ya tiene los datos
posiblemente ya han hecho algún modelo y obtengan unos resultados pero igual eso
no te lo dicen y lo que hacen es ponen los datos en la plataforma ponen lo que
están buscando ponen una métrica súper importante una métrica y lo dejan unos
dos o tres meses y hay premios entonces hay como varios incentivos tienes
premios económicos para lo mejor los cuatro o cinco equipos mejores son muy
pocos y luego tienes premios en forma de medallas y de puntos y entonces está
muy bien porque la comunidad pues se centra en resolver un problema que ya
tienen los datos que muchos muchísimos en realidad en la práctica del machine
learning nunca es como kagel en realidad en mayor dificultad es tener los datos y
limpiar los datos esto pues ya te lo suelen dar no entonces ahí inicialmente
la gente se metía a lo mejor por los premios pero hoy en día es increíble
la comunidad que hay en kagel para aprender incluso en sitios para
encontrar trabajo muchas empresas ya valoran incluso más que una credencial
académica hay determinadas empresas que valoran que tengas pues que hayas
conseguido cosas en kagel te voy a decir ser el primero tal cual y kagel yo
para mí es una herramienta no no tengo el tiempo suficiente para poder disfrutar
y poder participar en todas estas competiciones lo deseo muchísimo pero
siempre que mucha gente me pregunta se me acerca por el canal a decirme oye
quiero aprender machine learning que cómo podría aprender casi conecto un
poco con tu figura y conecto con kagel porque no creo que a lo mejor sea una
forma en la que todo el mundo pueda empezar a aprender pero me parece muy
interesante que es el aprender haciendo no que esto lo comentamos también en el
podcast y es oye ya te está dando todas las herramientas para que tú solamente
te tengas que centrar en la construcción del modelo en construir un
pipeline de pues llegar a una métrica ver evaluar es poder experimentar
cacharrear con eso y sobre todo tener el feedback inmediato de aparecer en un
ranking y ver qué tan mierda ha sido tu solución que eso suele pasar en las
primeras veces que participa y es una forma súper bonita porque además ya
dentro de ese problema luego puedes acceder a muchas soluciones que se
comparten de otras personas y cobra un nuevo sentido no el poder ver las
soluciones que alguien han hecho sobre un problema donde llevas trabajando días o
meses que te está duchando y estás pensando en el problema pues es bastante
guay entonces claro esta plataforma lo que sucede es que a lo largo de los años
ha convertido en algo súper competitivo no porque además además del valor
económico está la parte de reputación y está la gamificación que nos pica
todos y queremos competir y aquí el señor andrés torrubia he estado
mirándolo en tu medallero olímpico tiene dos oros siete platas y dos
bronces y estás en el ranking 327 de 152 mil usuarios que están en la plataforma
eso te hace el competition master y discussion master que me ha hecho bastante
gracia también porque pues a ver en kaggle tienes varias puntuaciones no yo
realmente te decía la verdad yo realmente no estoy ahí intentando de
hecho llevo varios meses sin competir en ninguna ahora estoy en una y de hecho
vamos creo que los cuartos ahora mismo en una que está ahora mismo que aún no
está el resultado no termina termina en 25 días pero quien está contando no
entonces la parte digamos lo más difícil en kaggle es la parte de la
puntuación y los puntos de lo que es la parte objetiva no la parte objetiva es
cómo quedas y ahí pues bueno es la que es no entonces tiene esto de maestro no
tú puedes ser maestro en categorías en cada puede ser maestro de
competiciones que se es como súper meditocrática y te evalúa lo que tú
puntúes con una métrica no se te si se quedas el primero segundo el tercero y
luego están las discusiones que se evalúa con los votos de la gente
entonces yo no me he considerado particular luego hay una de kernels que
son otras otras otras categorías y de conjuntos de datos si subes pero las
otras tres categorías son digamos lo que se puntúa la gente los votos que
recibes no son como de karma y la de discusiones es simplemente yo no soy
especialmente prolífico en discusiones así que son algunas cosas pero sí que es
verdad que ha habido algunas veces que cuando puntúas cuando publicas las
soluciones entonces claro son muy votadas entonces a mí sí que me gusta
siempre que termino una competición quede como quede publicarlo y entonces y
de hecho pues la más votada la más que esto es muy divertido una que es súper
polémica si tú buscas una competición que fue como de las primeras en kaggle
que metí que es brutal es que no es de los mejores que he quedado de hecho
igual fue una plata a lo mejor pero fue una competición que consistía en dar
una foto los píxeles de una foto determinar qué móvil la había hecho que
cámara y podría ser de lo que fuera entonces claro a mí se pone tu cara que
es interesante esto se puede hacer para empezar no super super potente o sea
cómo se puede hacer esto te daban 10 móviles a 10 modelos
que el motor no sé cuántos un samsung no claro se supone que que cada móvil
pues tiene una lente de cosas pero ostras esto es como yo no meto en esa
competición entonces te voy a contar un poco el motivo de lo que pasó ahí que
esto es súper divertido entonces me meto y ahora lo veo imposible y lo voy a
implementar y ya había avanzado mucho o sea me metimos muy tarde faltaban como
tres semanas solamente para que termine que ese es un tema que también me gusta
la gente que nos escuche o nos vea está haciendo doctorados con los doctorados
pueden ser infinitos lo bueno de la competición es que tú te metes y sabes
que ya terminan es como te quedes sabes lo difícil es apuntarte porque terminar
terminan te guste o no entonces me meto me pongo la y entonces lo
programó para una red normal o sea nada programó la normal o sea que y meto ahí
todos los datos y ella y me da habían 10 cámaras con lo cual si tú tiradas al
azar los dados a que eres un 10% de precisión no lo programó y me daba un
50% y hombre algo hace pero la gente que iba ganando iba por 90 a 90 y pico no
yo muy mal no me tengo ni idea de por dónde pillar esto porque veo como
unos equipos buenos que había gente pincho un poco ahí usmeo y hay gente que
se dedica al tema de la óptica dijo esto están saben el problema y
posiblemente estén metiendo ahí cosas yo no me a mí ese enfoque no me interesa
a mí me gusta de aprendizaje profundo es que tú puedes llegar a un problema sin
tener ni idea sabes llegar a ir a pegar el campanazo dejar que la red aprenda
por ti y tú te vas que fíjate que es lo que ha hecho un poco de mind con el
problema de proteínas y lo que está pasando así que si quieres comentamos
entonces me meto claro que pasa que claro yo no hago eso entonces 50% que es
bastante malo entonces yo voy a intentar hacer va hago el código abierto lo dejo
en jirja apena abierto y pongo ahí en formato un poco peligüeño en el foro
este de cable digo oye tengo el código abierto le pego un vistazo a ver si me
puedes ayudar porque tengo solo un 50 por ciento claro
en mi caso no me hace nadie en mi casa este perdedor aquí que está pidiendo y
como tú decías un día de duchándome y yo pienso por yo a tu sabes que estas
redes no se pueden de bubear fácilmente como si fuera un programa que cuando
peta lo ves ahí punta explota estás pensándome quien se dio que creo que
puesto un signo un signo no sabes si ya sabes la función de pérdidas no sé qué
lo pruebo tal lo cambio le vuelvo a ejecutar eso tarda varias horas sin
entrenar eso es otra cosa que realmente es que programar es muy poco lo pruebo
y a lo mejor tarda y un día porque al principio no sabes ni cómo va vuelvo y
tengo un 90 y pico claro entonces pero que hago ahora digo yo que hago ya
había abierto la gente va a ver que rápidamente subido pues mira de
perdidos al río el ranking de repente la gente subiendo por encima de otros
copiándote el código no me pongo me pongo muy arriba y el tema es que lo había hecho
abierto y eso la verdad es que en que hagan no está bien visto que alguien en
los últimos fases de una competición saque soluciones muy buenas porque
estás un poco tirando la basura que luego que luego alguien que no cogen
nada coge tu código lo tal se adelanta gente que lleva trabajando en ese
problema pero en mi caso fue intencional no se fue no intencional el caso es que
lo hago y además lo digo perdonarme pero mirar y cambiar el signo se ha
disparado bueno se hacen forks mi código acaba comentado en chino
código en chino en bueno increíble no entonces pues por varias cosas como esa
luego otra competición donde a veces a veces está que está que lo dice sola
pero había otras competiciones que me junto con gente en una un chico con el
que hago algunas que se llama pavel una súper potente además una de airbus
súper interesante de temas de satélites pues ahí descubrimos un fallo de hay
una cosa las competiciones que no ocurre en la vida real no pero cuando los
organizadores son muy difícil organizar una competición la gente yo creo que no
tiene constancia de lo difícil que es hacerla bien tienes que elegir la
métrica tienes que hacer que los datos no tenga ninguna especie de truco no para
aquel para que porque tú piensa que como te tienen que evaluar el evaluador que
escabell tiene las respuestas las tiene que tener entonces en este caso hay que
hacer que que no se filtren y entonces en esta competición descubrimos un
fallo un fallo que básicamente sacamos como el 100% de la puntuación sin hacer
más sin hacer nada era como haciendo un tema así y entonces también se disparó
tuvieron que anular la competición eso eso le hagamos me ha dado mucha
popularidad que tampoco yo es que fuera buscando y por eso tengo como no sé no
sabía que tenía el ranking ese que ni siquiera sabía discussion master si si
importancia la importancia de un signo en el deep learning que curioso a mí me
acuerdo me pasó una cosa parecida en un proyecto cuando estuve en corea del sur
con un signo también era yo estaba haciendo un tema de redes generativas
que separaban el fondo y la persona y tenían que sintetizar el fondo para
cuando se cambiara la perspectiva de la persona y por un signo que tenía
equivocado la máscara que generaba estaba invertida y la persona en vez de
sintetizar el fondo lo que hacía era borrar a la persona claro en ese momento
cuando no sabes depurar lo dice porque está o sea porque de repente tengo una
inteligencia artificial que borra a gente es maravilloso el mundo del deep
learning yo creo que da estas sorpresas que es como muy muy interesante comentaba
el tema de las competiciones de la página esta que te la también tu
proyecto en github que la pusieron en chino tú has tenido bastante relación
también con competiciones en china yo me acuerdo que tú me contaba una de las
primeras y creo que no era ni siquiera dentro de kagel no la de conducción
autónoma con el nombre este gracioso chanchinarro si he hecho había hecho dos
en china la que tú me estás hablando fue la segunda que esto fue muy gracioso
porque yo en twitter soy prácticamente en twitter me mimetizo con deep learning
con esta faceta y entonces en twitter pues sigo a gente de hecho tengo una
lista en twitter que se llama deep learning que es la gente que sigo de
deep learning que si os interesa pues ahí está y está muy bien que es la gente que yo
sigo y entonces pues ya hay mucha gente en inglés mucha gente pues y ahí pues
sigo alguno que son asiáticos que están estudiando en estados unidos y entonces
sigo a uno entonces uno de estos el típico personalización del doctorado
postdoctorado de origen chino en estados unidos pues pone oye que tengo digo que
si en europa tenéis que hacer en occidente tenéis que hacer no sé qué
pero realmente y que los sitios complicados y tal están en china dice
se pone como fardar y y entonces y entonces dice pero bueno igual el
chino es un problema claro yo veo esto me pongo el loco y tengo que meter ahí
entonces me apunto y entonces había una competición de conducción autónoma de
alí babá que era en claro todo estaba en chino no y entonces y me puse una
pregunta es porque de nombre de equipo san chinarro
y claro yo cuando te apuntas pues tú te apuntas la competición como que tú no
has hecho nada casi no sabéis ni qué es lo primero que haces aquí el nombre que
entonces cómo me iba y ahí ganamos número uno sabes que arrasamos a todos
entonces claro yo si yo si te digo la verdad carlos y no llego a saber qué
vas a ganar no me pongo chinarro porque luego tuve que explicar luego tuve que
explicarlo es un barrio de madrid vallecas
pero es interesante yo me acuerdo que esta competición una cosa que comentaba
era y creo que es algo que te gusta hacer normalmente las competiciones que
es salir un poco de la norma de que al final evidentemente si tú te metes en
una competición pues la de los móviles donde estás trabajando con imágenes la
primera tentación es trabajar con el típico modelo convolucional que te va
a resolver perfectamente esto pero claro tú sabes que todo el mundo va a ser eso
porque es lo que hemos aprendido todos los cursos online y todas estas cosas
entonces o buscas una solución alternativa que a lo mejor no te comes
ni un rosco o a lo mejor das con él con el truco y creo que en esta era algo que
cambiaba de dominio no te ibas al dominio de furrier y con eso los datos
del lidar los trabajaba es interesante esa esa esa idea y un poco también la
parte más de experimentación que favorece kaggle de buscar pues
soluciones nuevas a problemas no descubiertos
también una cosa que tiene kaggle y aquí me lo puedes comentar de otras
competiciones que hayas hecho es la traversalidad porque lo mismo estás un
día trabajando con competiciones que son de la del móvil otra vez conducción
autónoma y otra de repente de datos moleculares que creo que también
estuviste participando en algún momento y que además si consigue buenas
posiciones eso te lleva al final a congresos te llevan a situaciones donde
nunca uno se imaginaría de empezar a jugar un día en una plataforma y acabar
en eso la competición de datos moleculares que tal para alguien que no
trabaja si esa es una de mis favoritas porque a ver que me atrae de esto yo no
ando buscando medallas ni los premios no que pues he ganado pero no es mi
objetivo es coger como algo imposible que yo percibo como que es imposible o
muy difícil como el tema este de las fotos me meto porque es de csi y digo
esto que no sé ni cómo también me gusta esa parte de cómo enfoco esto no y
entonces la de moleculares de hecho es un problema digamos que tienen muchos
paralelismos con el de alfafold que han hecho ahora muchos paralelismos y de
hecho la solución mía se basa en bueno lo que todas se basan ahora pero hace un
pico pues no era tan evidente el prueba de ellos porque quedamos como quedamos
y es coger el tema este era dado una molécula haya que hacer haya que
predecir una serie de atributos en las proteínas pues es dar a secuencia
predice el atributo en tres dimensiones de toda la proteína en este era más
sencillo dado una molécula pequeña predice unas propiedades cuánticas
digamos no de que es que no se pueden ser que para simular tienes que
utilizar pues unas cosas que matemáticamente es muy complicado muy
largo no entonces en esa mesa también entonces en esa es como de entradas a
mí me gustas como es que no sé ni cómo se come y eso al final un poco yo creo
que ahora después de haberlo visto varias veces creo que sí que hay un
patrón común no sé porque la gente que lo dice es que no hay ningún patrón
común yo ahora si quiero un patrón común de mis soluciones y es cojo los
la entrada o sea es como que reformula el problema vale este es lo difícil no
pero es reformular el problema para que el nuevo problema sea un problema que
encaje muy bien en estas redes que gente ya ha megatrillado vale entonces yo soy
un ingeniero aplicado vale yo no soy un investigador que voy a inventarme el
transformer 2 vale eso está en deep mind y ahí lo hacen súper bien
o en facebook no donde tal yo pero yo sí que puede decir esto es este problema
que no se parece a un problema del lenguaje o este condición autónoma que
no se pare un problema de tal lo voy a reformular para que de repente clac
encaja como anilla el dedo y la molecular fue esa y fue súper divertido
porque después de la molecular nos invitaron a un congreso en englaterra y
fue súper potente porque allí estábamos o sea es que era como los de corea el
centro de supercomputación de no sé qué de corea contando que era de que es la
cena y porque eres el postdoc de física cuántica y no sé qué el otro una
empresa de eeuu de diseño de proteína de moléculas de fármacos también y
llevaban trabajando y yo y el único que no sabía del tema y que yo no entendía
además de lo que estaban hablando porque yo sabía de todas las que hacen
desrode inquietante y no si yo lo he cambiado de problema lo metió la red
del anal y la red es quien ha aprendido todo lo que estábamos vosotros que yo
no sé tal cual y es cierto y fíjate que has comentado que de mine sí que pueden
estar metidos en el tema de diseñar una red ad hoc para un problema pero yo he
estado ya consultando el tema de alfafol para para un próximo vídeo y por
ejemplo alfafol 1 es readaptar todo el problema a un problema de imagen imagen
sabe meter en una red convolucional decir venga vamos a coger todos los datos de
de la secuencia aminoácidos convertirlo a matrices de correlación de estadísticos
y tal y esto que nos convierta a un distograma y ahora ya ya corre y listo y
lo que han hecho ahora con el salto de alfafol 2 es decir pues ahora donde era
una convolucional ahora vamos a meter lo que funciona mejor que son los
transformers y lo trataremos un poco más como un problema no sé si habrán
usado transformers convolucionales y todas estas cosas exóticas que van
saliendo si siguen o lo han hecho ahora ya como secuencia pero es cierto y yo
creo que eso también habla un poco de la versatilidad de los propias de la
arquitectura del deep learning no que es como bueno tu redaptar el problema
mételo por aquí que esto es interesante eso que dices no porque porque por una
parte tenemos como una especie de primitivas no a redes convolucionales y
con eso luego hay como redes pre entrenadas y de imagen no de resnet
efficient nets ahora con los transformers que es como que es como el equivalente a la
convolución no porque luego es el verde el elmo el gpt vale que son como el
equivalente al uvfg el resnet deficient net vale pero fíjate que la parte
primitiva por ejemplo en convoluciones una cosa que se inventó en las
convoluciones invariantes a la rotación vale que eso para conseguirlo pues tú
tienes que entrenar rotando y ahora se está empezando a ver cómo se puede que
es lo que se suele llamar es un tema súper complicado me lo parece lo de los
sesgos inductivos los ingleses el inductive vallas es como como si tú
sabes por ejemplo que una imagen sigue siendo la misma imagen cuando la gira
como la convolución tiene eso pero para moverla cómo lo consigues para girar
no cómo cómo puedes crear una nueva convolución que tenga esa propiedad
entonces tienes que elegir las propiedades por ejemplo de una proteína
están bien tú sabes que la proteína la estructura de tres dimensiones es igual
así que así y solamente cambian unos pocos ángulos entonces por una parte es
como hay una dicotomía por una parte estas redes en general casi todas y la
primera bueno hay un teorema no este la red más básica que permite aproximar
que cualquier función eso que puede parecer muy bueno vale que es muy
poderoso también es muy malo porque puede sacar a ver raciones que tú sabes
que son imposibles entonces cómo combinar esas dos no y ahora y posiblemente no
creo que no sabía haber hecho el artículo posiblemente demand yo sí que
intuyo que como mínimo la inferencia rotacional sí que se han metido al
transformer habrá que esperar al paper el de nature salió el de alfafol uno
salió un año más tarde así que bueno esto tocará esperar y habrá vídeo en su
momento dentro de esto claro en kaggle no solamente es la parte experimental de
hacer pues soluciones y tal sino que también hay una componente de el que
tenga más hardware el que tenga más potencia y de cálculo se lleva el gato
a la oa porque al final te permite un poco experimentar no con muchas
soluciones cuánto crees que pesa eso hoy en día es decir alguien que se quiera
meter en kaggle a ver que la gente no sé no se vea frustrada es decir sigue
siendo divertido participar pero ya llegar a un puesto número uno un plata
oro y bronce hace falta tener esa computación
pues depende mucho a competición en algunas y en algunas no te pongamos un
rosco sin hardware potente pero en otras no y el no es por dos motivos hay
competiciones que ya los propios datos son tabulares mucho más sencillos y no
directamente es que no puede ni siquiera aplicar no el músculo computacional y
luego hay otras en los cuales además que están limitadas que cada lo llama
competiciones de kernel que es que has de utilizar los propios servidores de
kaggle que kaggle te regala vale en horas de cálculo y te dan una especie de
presupuesto de computación pues mira tú tienes ocho horas para entrar en el
modelo y luego tienes una hora para hacer lo que se llama la inferencia y
todo el mundo juega con esas reglas todo el mundo entonces ahí hay y hay
bastantes cada vez cada vez hay más de ese estilo no que son que son parecidas
entonces ahí tienes eso luego tienes otras donde donde el hardware ayuda en
general a ver siendo realistas yo lo que diría es yo cuando vamos a ver se
pueden obtener oros vale oros con hardware
con hardware limitado se pueden obtener hay gente maestra en hacer ese tipo de
cosas a lo mejor si quieres competir por los premios en dinero para que son los
cinco primeros posiblemente ahí te haga mucha falta el hardware potente ya de
hecho de la competición molecular perdimos el primer puesto nos quedamos
segundos en las últimas ocho horas porque nos adelantó un equipo que era
estaba detrás la empresa bosch creo que estaba en la it y luego ya y luego ya
hablé con y es que tenían los modelos individuales que tenían que eran un
assembly que es mezclar muchos los individuos que tenían todos peores que
el nuestro pero tenían muchos más que habían podido entrenar y nos ganaron
pero bueno que también tiene mérito y te digo una cosa hacer todo el hacer
todo el tinglado para entrenar en paralelo que siempre fallan los
ordenadores y también tiene su tinglado que no quito mérito a eso es tal cual
o sea la escala al final a la que te exige competir alguna de las
competiciones de kaggle te obliga también no sólo a saber de deep learning
sino de toda la parte del sistema de bueno yo vi un tweet tuyo hace hace unos
días que decía lo tengo aquí apuntado estoy terminando el ordenador con 6
envidia 3090 128 gigas de ram sugerencias de nuevo nombre ya tienes
nombres pues me han hecho muchas sugerencias voy a contar primero es que
es gracioso el este ordenador yo creo que que puede parecer una locura no
puede como dice de mine es computación moderada que también lo han dicho para
alfa fold con 200 gpu han dicho que realmente no es para las escalas del
día por casa no es casi el iphone que llevas dentro de no dentro de los años
pues ese ordenador pues igual es un móvil del futuro en 20 años no pero
mira eso viene motivado de aquel dos temas ese ordenador viene motivado por
porque tenía me compré tres 3 gpus pensando en que podía ponerme 3 gpu que
tenía físicamente ya no me cabían vale yo tenía yo tenía el ordenador que tengo
de todo el tiempo es un 3d ripper con 16 núcleos pero de primera generación
ahora ya hay tercera generación de 3d ripper y le quise meter tres ya no me
cabía entonces al no caberme
tres y porque ya no sé si abro ese melón porque no lo abro del todo
sabes y eso además lo que permite son varias cosas permite y es ordenado lo
utilizo mucho para proyectos con mi mujer
de inteligencia artificial y medicina y ahí sí que hay mucho producto de imagen
sabe dónde y en general ocurre una cosa muy interesante que fíjate y es que hay
un término no el tamaño del lote en inglés el tamaño del batch que esto es
curioso yo creo que yo mismo tampoco era tan consciente en muchas ocasiones no sé
los motivos matemáticos 100% pero empíricamente
cuanto más grande funciona mejor ya no solamente más rápido es que es curioso
porque yo pensaba bueno pues esto me permite y más rápido con lotes más
grandes por las arquitecturas que hay no me preguntes por qué carlos y otro del
punto de vista totalmente alquimia a ello cuando mezclo los reactivos en
probetas en probetas más grande las burbujas son más grandes no y si quieres
burbujas pues oye al final acabó con unas probetas así de grandes que es lo
que tengo entonces el tamaño del lote claro con con seis envidias de estas
cada una tiene 24 gigas esto supone unas dificultades de hardware increíbles para
empezar físicas no caben me he tenido que fabricar yo totalmente con
bricolaje pues un chasis con con perfiles de aluminio también me dirás
las placas base no tienen serranuras pc y tienen cuatro ahí tienes otros
problemas a nivel energético esto tira más de 3 kilovatios
las fuentes o sea bueno es como que esa caja de panduera no sé si va a
tirar más de 3 kilovatios pero que está desde luego más de 1.6 que es una fuente
de las fuertes sí entonces esto y lo tengo en realmente pues el ordenador
claro no es para competiciones también quiero que la gente y esto me entiendan
estaría loco vale soy un poco loco vale pero ya estaría mucho más loco de lo que
estoy si tuviera eso para competir o sea también para trabajo para la parte de
tu mujer el tema de paralelizar o sea por ejemplo aquí tú decías el tamaño
del lote claro el límite sigue siendo el tamaño de la memoria de una de las gpus
no y luego bueno fíjate no super interesante ahí vale de hecho es de
ayer los que habéis trabajado en deep learning cuando tienes una gpu pues no
te preocupas de esto si tienes dos en ptorch y en keras también hay una
manera muy sencilla pero en ptorch tienes como una sistema que se llama
paralel no se llama el data paralel y con data paralel pues puedes el modelo
se copia en las dos tarjetas le pasas todo a las dos y se ejecuta no más o
menos pero es como pero ya pero fíjate el modelo de cada vez las dos y todo va en
las dos hay una cosa parecida que se llama data distributed que hasta ahora es
súper común que permite lo mismo es un pelín más complicado a nivel de
técnicamente los gradientes tal pero pero en definitiva también el modelo
están todas y la diferencia así principal es que creo que ya puede ser
diferentes ordenadores no el mismo ordenador puedes tener varios
ordenadores vale pues ahora hay una cosa nueva a ver hay muchas más y google
tiene sus sistemas tú piensa por ejemplo gpt 3 gpt 3 no cabe en ninguna
tarjeta ni siquiera tpu no cabe en memoria el propio modelo entonces esto
de partir los modelos digamos verticalmente no que los colocas todos
en la misma con gpt 3 no puedes tienes que coger un modelo si tú imaginas que
es un modelo muy largo pues tienes que decir así conceptualmente pues mira el
primer trozo del modelo lo pongo este gpu que es el primer trozo me ocupa 20
gigas este otro trozo aquí luego la fiesta con los gradientes te imagina
que es como lo orquestas todo eso pues eso es como el otro modelo pues ahora
hay una esto hay varias varios modelos hay un sistema que se ha avanzado
todavía que se llama sharding no sé cómo traducir esto castellano shard en
vez de sharding sharding con d el data sharding que está en base de datos y
que se conoce muy bien no que fragmentar digamos por trozos en tanto
horizontal como verticalmente no entonces el notas sharding permite hacer
expandirlo está en pitorks ya que lo ha como una contribución de un grupo de
facebook y está en una librería que se llama pitorks lighting y está en pitorks
lighting lo puede utilizar el notas sharding ya pero estos son temas
bastante avanzados que es un poco lo que decíamos antes de llevar el deep
learning y escalarlo a la parte que ya relaciona con sistemas y que parece que
es un poco hacia donde se está moviendo todo el mundo del deep learning porque ya
vemos que la tendencia es cada vez hacer modelos más grandes y más más locos
ese es el futuro al que nos movemos todo esto a mí me sorprende porque luego la
cosa bueno para empezar en un dato que vi es que en kaggle está desde hace 10
años yo no sabía que kaggle tenía 10 años me sorprendió el dato pero cuánto
tiempo llevas tú dedicándote activamente al deep learning es decir
realmente tú ya tenías un bagaje anterior de toda la parte de estadística
matemática o esto ha sido en esta nueva ola de esta última década que te has
unido y de repente eres el máster si no yo tengo yo tengo aunque no lo parezca
carlos y tú me confundirás por un dice que hacía ahora tengo 45 años aunque no
lo parezca y yo con 17 años con 17 hubo una revista que fíjate que es
un artículo de joffrey hinton en una revista española que se llama
investigación y ciencia yo con 17 años en el ordenador que tenía que era un
atari st que yo programaba en ensamblador intenté programar una red
neuronal que ahí había que programarse todo evidentemente no existían los
frengos de hecho lo que programé en ensamblador es ordenador para que te hagas una idea
no tenía ni coma flotante me la hice yo en la coma flotante a la función por
lo que me ensamblador para que imagínate porque hablamos de por eso
entonces claro que lo programé y no fui ningún superhombre en ningún superchaval
porque de hecho no me funcionó
está bien esas historias esas historias de niños prodigios que de repente 16
años te programan pues no pues no las cosas hay gente que quiere cacharrear
que son lo bonito que gente que cacharrear pero que luego las cosas no
funcionen y no fue y no funcionó porque en ese momento igual que a mí a mucha
gente no funcionó y esto y esto lo vemos en los libros ha estado ahí como
dice el ron el señor de los anillos yo estuve ahí cuando sauro no atacó no
pues yo estoy ahí cuando hinton sacó el artículo y lo intenté programar y no
funciona entonces y me olvidé claro yo te digo soy ingeniero aplicado a mí me
gusta más que investigador de ellos si no funciona fuera vale cuando funcione
hablamos entonces salió kagel y yo sé que me gusta estar como al día de todo
pues veo identificó que existe nada más salir porque lo vi en un post del
fundador en hacker news que es una comunidad de noticias y de tecnología y
tal y hay una hay un tipo de noticias que se ha venido que se llama show hn que es
como alguien que quiere enseñar algo que ha hecho no y yo vi a kagel no sé qué
pero pues ya no lo he visto porque es un poco accidental que haría sobre muchas
cosas lo veo veo que eso me gusta el concepto porque me gusta y no ya como se
iba a hacer y me apunto pero claro veo las competiciones que hay que aún no
existía y veo que era todo de estadística veo que no ha cambiado nada
porque yo tampoco sabía cuando salió esto y creo perfil algún vistazo a las
competiciones que hay no veo nada que me interese y perfil muerto ahí se quedó
pero tienes la fecha entonces luego qué pasa claro y de repente luego en el
2000 más o menos porque fue en 2016 veo que lo del coche autónomo y me apunto a
un curso online 2016 en diciembre del 2016 fue cuando me apunte y lo que me
pasó pues es un poco tirarme a la piscina todavía me apunto esto es un
ola city que es una plataforma online y en esa plataforma pues ahí por
trimestres no entonces me acuerdo que a más está muy bien porque te decía en
proyectos son sencillos una vez hechos pero cuando te los enseñan dices que
voy a ser capaz de hacer eso yo en tres meses y te acuerdo que había uno que
era dado un vídeo de un coche conduciendo lo que ve el coche no el
conductor simplemente pintar como las líneas entonces está muy bien porque
primero te lo hacían hacer con la manera convencional lo que se hacía
digamos desde siempre que más o menos yo conocía medio conocía de procesada de
señal detección de líneas vale claro o sea eso funciona si la carretera va así
eso estaría bien digamos para un tren sabes que el detectar que la vía no
desaparece así no te creas tú que si hay sombras pero no para conducir porque a
la mínima eso pero te lo hacen para eso tú lo pruebas y me acuerdo que como la
segunda temario era deep learning entonces me apuntó al tema este de
learning y es como si a un niño le das un juguete claro yo veo eso lo mismo que
había hecho con él con él con el color de los coches se lo hace una caja negra
que en realidad no es negra pero a efectos prácticos te lo puede parecer
te pedían que programar es una cosa que como que condujera ese mapa de
imagen por imitación o clonación de comportamiento que son nombres que dan
un poco de repeluz
están copiados de neuro pero claro no no en realidad se ha supervisado tomando
como como referencia lo que hace una persona no que no puede no estar bien y
y entonces con eso pero oye en un videojuego el coche no se estrellaba
demasiado vale dejémoslo ahí y viene de ahí entonces lo que pasó fue que fíjate yo
llevaba tres meses vale de los cuales no todos eran deep learning y nada había
hecho dos proyectos aparece una competición que veo en udacity yo no
sé ni siquiera les digo la pista en udacity de una empresa china de
conducción autónoma que es didi que es como uber y me vengo arriba o sea me
vengo arriba a lo grande además una cosa que pasa que tú y que tú lo
conocerás que como que como las cosas que hacen las redes las personas que
hacemos muchas veces mejor por ejemplo ver no tú dices oye ver un coche
detectarlo si tú lo ves cuando ha hecho la gente que no se va a programar no lo
veo un problema difícil porque como nos resulta muy sencillo no tú lo ves y a
lo que lo veo porque un ordenador no lo hace tan rápido
entonces no me preguntes como carlos pero como que me vengo arriba me saco
mirado de emprendedores optimista que un emprendedor tiene que ser optimista me
lo veo hecho mentira mi idea de cómo y me apunto vale y entonces y viene ahí
entonces en esa competición sin tener ni idea
me quedé el cuarto junto con nos junté las últimas dos semanas con un chaval
ruso y nos invitaron ahí a bueno los premios eran con peter norvig en
silicon vale es que y los prisa eran terceros un equipo de rusos que
llevaban tres años haciendo un coche autónomo de fórmula 1 y habían
reaprovechado todo y claro y aquí un poco fue esto esto fue como la primera vez
que entre comillas se me mía fíjate esto es super divertido porque no es que
se me aparezca la virgen esto es primero la competición tenía varias fases no
desde la primera fase aprobado alguna cosa me clasifico los 50 primeros que
era lo necesario para la segunda fase pero muy mal el 40 ya no había
conseguido nada y me doy cuenta de que ese enfoque no iba a funcionar vale y me
acuerdo que voy un día esto es como parece de broma voy un día corriendo así
si se puede llamar correr a lo que hago no sé a ver un día tratando y de hecho
pues voy así tratando y de repente esto va con el líder que es del sensor este
no y entonces me imagino tú fíjate la locura me imagino
me hago esta pregunta cómo ve el mundo un líder
esa primera pregunta porque un líder claro no ve como las personas de hecho es
que no ve y luego luego la siguiente pregunta que es típica pregunta de
niño de estas como todos los niños verdad que quieren de pequeño hemos
querido cómo hacer así el tiempo se congela no y tú haces travesuras de
comer una cosa mientras todo el mundo está quieto así no pues pienso esto no
para si todo el mundo todo estudia como paralizado el entonces pues algo una
observación de hacer ese ejercicio mental todo esto yo corriendo que más
iba a correr me acuerdo que iba corriendo iba tan concentrado corriendo que casi me
atropellan sería súper irónico que por intentar solucionar un problema de
conducción mentalmente acabara atropellando y va a estar en otro mundo
no y me doy cuenta de una cosa vale con esa cosa
aplicó tú fíjate redes de honor a las recurrentes que son para el lenguaje
claro a un problema de conducción autónoma que nadie lo ha hecho y eso
funciona increíble vale y gracias a eso entonces claro después de el subidón de
haber conseguido eso descubrió redes cubro kagel y ahí empieza un poco la
fiesta claro es que al final es eso no el refuerzo positivo si lo pensamos como
un agente de rl tu refuerzo positivo es decir es que yo he empezado tenías un
bagaje tecnológico y sabías de redes neuronales pero bueno la ola del deep
learning es nueva es decir la ola del deep learning en realidad se puede
marcar en 10 años y tú dices joder es que yo me hago un curso en un juda city y
de repente estoy en un ranking con esta gente del mid con esta gente de tal y
resolviendo problemas que son la hostia son problemas que dices tú en la vida y
yo me hubiera visto solucionando un problema de proteínas un problema de
el refuerzo es súper positivo es como aquí hay un potencial que hasta que los
más listos de la clase se den cuenta aquí podemos aprovecharnos todos de
esto y es bastante bastante chulo y es súper bonito no además el ritmo yo
siempre he tenido un poco esta envidia del desarrollo tecnológico que se vio en
los 70 los 80 del campo de la informática que eso tuvo que ser frenético
también y creo que a día de hoy es lo mismo en la parte del deep learning y me
siento súper afortunado de poder estar viviendo y poder contarlo y eso está
guay a mí a mí me gusta mucho tu ejemplo de eso de cómo en cuatro años
que lo que es una carrera un grado típico ahora en una universidad tú has
sido una persona que dominas el mundo del machine learning posiblemente de los
más tops que hay en españa y posiblemente también los más tops en el
mundo aquí yo te preguntaría la típica pregunta que me hacen mucha gente a mí
desde el canal y creo que está más autorizada para responderla tú que es
cómo recomendarías a alguien adentrarse en este mundo o sea si quisiera alguien
empezar a aprender al tema de machine learning que tenga que conozca a lo
mejor un poco de matemática un poco de programación un poco de estadística
cómo puede empezar a dominar estos problemas y a solucionarlo
pues mira claro varias cosas pero primero tengo que decir que tú dices
domina esta de domina yo esto lo veo me gusta compararlo con con con los perros
vale el signo que voy a hacer los perros hay perros y perros muy rápidos
no hay perros muy leales hay perros muy inteligentes no y a mí me gusta yo creo
que para hacer cosas a día de hoy al nivel que las hago yo que son un
poquito transversales hay que me gusta poner ejemplo el pastor alemán porque
no es el perro más rápido no es el perro más listo ni es el perro más
inteligente pero oye está bastante bien en las tres en muchas cosas y esto y a
día de hoy el deep learning en concreto tiene una parte de sistemas que hay que
tiene que tiene de saber un poquito cómo ordenar por dentro porque si los
ejemplos de dos líneas funcionan siempre pero jamás ni en la empresa en
investigación en una competición son tan directos nunca nunca es tan directo
las cosas fallan el tema no es saber hacer las cosas cuando funcionan el
tema es saber arreglarlos cuando fallan siempre y siempre fallan entonces
sistemas matemáticas por suerte las matemáticas es que claro igual es que se
explican mal y ponen las fórmulas de la jacobiana y que asustan no yo tampoco
he tenido que utilizar en la práctica estas fórmulas sabes entonces si está
bien y y verlo de la retropropagación no el back propagation pues intimidó un
poco pero a día de hoy pues no deliria demasiado es más bien te digo una cosa
coger intuición numérica o sea y a veces es más interesante cogerse una
calculadora darle muchas veces a no sé qué y ver que sale un número con un
después de cinco ceros de atrás hay un numerito ahí que se ha colado vale y te
das cuenta que los ordenadores aproximan todo también o sea que esos
errores se van acumulando entender tener esa mentalidad un poco y luego la
programación y por suerte en la programación hoy en día se programa en
python y las librerías que tenemos de programar dar muchísimo hecho cuando
antes de los de los librerías de programación estas estas librerías en
realidad son librerías originalmente hoy en día quizás y pero los primeros
pitot el primer tensor flow o el o el disk belief no que se llamaba es que
a veces bueno en general el belief que la previó el tensor flow lo que tiene
estas librerías es que son de auto auto derivabilidad es lo que tienen antes
te tienes que programar tú antes tenías que hacerte tú las derivadas y
programar te vas que es lo que yo intenté con difícil años y lo conseguí
entonces qué es lo que yo recomendaría pues yo recomendaría las tres cosas yo
primero es aprender a programar yo he visto muchísima gente de hecho no sé
he visto con un montón de gente que no son informáticos informáticas que
vienen de otra disciplina y aprenden a programar y se meten en este campo
entonces porque porque es python entonces primero aprende python hay un montón de
recursos de python sin python no hagas nada y no empiezas aprendiendo python con
con o sea como directamente con el deep learning es verdad que claro python es un
lenguaje muy amplio que sirve desde para hacer webs o sea tampoco tampoco entre
comillas pierdes el tiempo aprendiendo python haciendo páginas web porque ese
ese tipo de patrones de diseño y cosas pues no lo vas a aplicar no pero aprende
un lenguaje aprende un poquito de cosas básicas de cómo funciona ordenador en
plan que son los procesos de un ordenador cuando los cores tiene hilos
ese tipo de cosas entonces no sé el tiempo la gente el segundo recurso que
voy a recomendar que es el curso de Jeremy Howard y te he dicho el tomas el de
fasta y el requisito para hacer ese curso en realidad es matemática de
bachiller es lo que te dicen y que es matrices vale ojo si es que además es
más fácil porque en bachiller no se hacían hacer a esa mano que es como la
locura pero es como saber qué son no que son numeritos puestos en una
cuadrícula y bueno en un ordenador en realidad claro si nos ponemos místicos
es como en muchas dimensiones no entramos entramos en la película de contact no
que esta terrestre es piensan en cuatro dimensiones
y entonces pues ese tipo de matemáticas de bachiller programar en fasta y dicen
que es como un año de experiencia de programación para python vale sí que
hay una parte importante que yo sé que a lo mejor empezaría fíjate antes de
hacer una recomendación que haría incluso en cualquier competiciones mira
aunque no hagas un modelo predictivo es un ejercicio para aprender a programar
hacer lo que se llama y no mucha gente lo hace hacer un análisis exploratorio de
datos que en inglés le van un era el explorator y data análisis no que es
esto porque muchas veces los datos te dan ahí un csv como tu canal no un
ficharaco csv que te hacen el honor claro csv tú no puedes saber si ahí el
ser humano no ha evolucionado para leer csv entonces tienes que leer ese csv y a
lo mejor dibujarte gráficas hacerte medias y pues resulta que si es un
cuchero de personas pues la edad las edades tal visualizar vale y con eso
porque mira yo en casi todas las competiciones menos en la molecular
he acabado teniendo una relación como digo yo íntima con los datos vale
porque muchas veces yo con su gente que ve este tema como mira yo soy mucho de
modelos pero yo no me quiero como los datos es como mancharme no y no y no
porque a veces con los datos te das cuenta de cosas no o bien que están mal
vale y acordaros lo que le pasó que le pasó carlos el ordenador quizá más
famoso de inteligencia artificial aparte de terminator que el jal 9000 no porque
jal 9000 se le volvió loco se volvió loco te acuerdas de la película
2001 se ha visto no lo he visto no lo he visto no lo he visto no sé mucho de ciencia
ficción la verdad andrés bueno pues a ver todo por favor dios mío es aquello
mito tampoco he visto star wars también lo ya lo pongo sobre la mesa y bueno y
aún así me saco eso tiene eso tiene tiene más perdón no pero no 2001 no
2001 y se ha ido despacio el ordenador te voy a hacer un súper te lo voy a
chafar aunque aunque no sé no se pierde mucho porque no vas a ver no no el
ordenador en un momento dado de tal como que parece no que se vuelve loco y se
intenta matar de hecho mata un protagonista que tal y entonces luego en
la no me acuerdo si fue en la segunda parte de la película desde luego en los
libros los libros son mucho mejores en este caso que la película y analizan
por qué no el creo que es el doctor chadra no se supone que es quien lo ha
programado en el y cuando entonces se nos explica que los ordenadores puedan
fallar y analiza que ha pasado y tal entonces diciendo es que le mintieron
información eso es en deep learning el famoso ground truth vale si todo era un
truco le mientes que estarle grande equivocado el modelo pues no digo que
te vaya a matar como el 9000 pero le está dando motivos para que no funcione
bien entonces los esgas hacia un lado un poco para tu imaginar que tú le dices
para el mismo ejemplo una foto de un perro y le dices es un perro bien luego
le dices ahora es un gato claro y como le fuerzas a que te diga
algo se vuelve medio loco y te puede distorsionar por confundir al por
dentro no es porque no era valles en entonces claro ese es el problema se
hubieran sacado en ser sin hombre y hubieran dicho a mira está confuso a
pared lo bueno un punto bueno un punto que no había pensado en bueno entonces
decía análisis exploratorio dentro de la relación está lo tanto a mí eso sí me
parece muy interesante porque también pasa un poco con el tema de la educación
de todo esto de machine learning data science big data y todas estas palabras
que al final se van mezclando todas con todas que hay como dos vertientes de
perfiles no quizás un poco más el ingeniero de machine learning que se
encarga de hacer más lo que suceden en estas competiciones de construir un
modelo predictivo evaluar y tal y luego también está la vertiente más data
scientist que se quedan más en la primera fase que también construye
modelos no evidentemente pero que hacen más esta labor de hoy llevamos a
diseccionar los datos vamos a sacar conclusiones y donde las herramientas son
trabajar con python y trabajar mucho con librerías como nampis ipy
visualización de datos con civor matplotlib y esto es interesante porque
también incluso kaggle tiene últimamente un apartado muy bueno de
minicursos que también recomienda a la gente que quiere aprender son gratis
están disponibles y tienes cursos de nampi cursos de pandas cursos de
visualización de datos ingeniería de filters tiene un montón de cositas que
está muy bien como introducción si queréis empezar en kaggle pues
directamente te haces estos mini cursos y luego ya te va directamente a la parte
de kernels que hablábamos antes que son los notebooks que la gente acopla al
terminado dataset o determinados problemas y con eso con toda esa mezcla
es que al final con voluntad de querer aprender aprendes un huevo porque es que
están todos los recursos ahí y un poco esa parte autodidacta y yo entiendo que
haya gente que necesite hacer un plan de estudio una carrera porque quiere esa
parte de disciplina de oye ponme ordenado que tengo que hacer primero cuál es el
primer paso segundo tercero pero si sois unas personas que sois autodidactas
queréis aprender y os interesa esto dos años dándole caña a kaggle y a todos
los recursos de cursos online abiertos de universidades y todo esto yo creo que
es una muy buena forma de aprender deep learning porque hay una cosa que dices
carlos si es lo difícil es hoy en día yo vengo de un momento y yo estudié
empecé mi carrera en el año 92 y terminé en 97 yo vengo de una época
donde uno estaba más limitado por el acceso a la información y el
conocimiento vale hoy en día no es así hoy en día la gente que nos escuche la
limitación no es el acceso hay cursos gratis en general vale en general no es
el acceso hoy en día quizás más tu voluntad entonces de eso de que tú dices
autodidacta hoy al final es tu voluntad es cómo te comprometes contigo mismo
no es una pregunta abierta yo tengo la respuesta yo tengo por el esfuerzo de
gracia pues que como vivir época de escasez de extraer información ya la
tengo me parece como una locura no aprovecharme vale la gente que ya haya
nacido en este mundo de hiper abundancia de información gratis pues igual no le
da tanto valor a que hayan cosas gratis claro hay gente hay gente de psicología
de aprendizaje creo que me parece que el curso más popular en cursera es de una
mujer que habla de esto de cómo de aprender a aprender
no recuerdo el nombre que esto no con el nombre de ella no pero creo que si os
interesa así decís no es que yo no soy autodidacta y tal pues os recomiendo que
os miréis esto porque te da como muchas técnicas de cómo como digo yo siempre
lo difícil es el primer paso y luego ya si entras en la rueda entras en la rueda
y esta mujer habla de cómo conseguir dar los primeros pasos tal cual a mí mi
sensación por ejemplo yo este año me he embarcado de momento no con muchos
resultados en aprender a tocar el piano y me pasa que cuando estoy tocando el
piano estoy todo el rato comparándome con él con la divulgación al
aprendizaje que intento dar yo en redes y me pongo desde el punto de vista del
alumno y entiendo mucha gente que se me acerca a mi preguntándome oye me das un
recurso para aprender tal no sé qué y yo siempre pienso pero si hay montón de
recursos para aprender pero claro lo que pasa es que al final evidentemente en
una fase de aprendizaje hay una parte de frustración de oye esto no lo he
entendido hoy a lo mejor mañana si lo ibas a entender pero hoy no lo he
entendido y te frustra y a veces con esta gran abundancia de conocimiento lo que
piensas es que a lo mejor ese método que está siguiendo no está adaptado a
ti entonces pierdes tiempo buscando otra cosa entonces estás pivotando en
diferentes recursos y al final te frustras por ese proceso de pivotar
entonces si está bien si empezáis algo a acabarlo es como empezar de una cosa
empezar una competición empezar un curso empezar algo terminado y cuando
termine ya os frustrais o no os frustrais pero hacer ese proceso y sobre todo no centrarse
sólo en la parte teórica sino también practicar que es un poco lo que hemos
hablado de todo esto de las competiciones. Claro, igual hace falta como en la figura
a lo mejor te fijas eso simplemente eso que dices a mi he pasado mucho cuando me
quiero meter en algo que es cuando tú no sabes nada de piano no yo no sé ni
siquiera elegir los buenos recursos cuando no sabes de algo o sea y con todos
los cursos que hay cuál es el bueno y a lo mejor tú dices si no te sales será
porque he cogido un curso que no es de M nivel ya no sabes ni qué no y a lo
mejor una figura ya no lo sé o bien si te fías de algún sitio que te diga un
internario y tú te fías vale o una figura un poquito más con cierta
realimentación que te diga aunque no sea tu profesor de piano al lado tuya
después te diga carlos mira es total y dentro de 20 días quiero demo. Tal cual sí
sí es que eso es al final mucha gente se apunta a cursos con profesores y tal
solamente para tener esa presión de alguien que te pastoré a través del
aprendizaje. Eso es interesante ahora lo interesante también es y aquí ya
podemos entrar a la parte del máster y del instituto
es un poco la el grado de madurez que va ganando el mundo del deep learning hasta
el punto en el que muchas cosas que hasta hace unos años eran tecnologías
que si no ibas a github no podías explotarlas o modelos que eran súper
interesantes que a lo mejor desde una vertiente emprendedora quieres utilizar
pero si no sabes programar pues ahí te quedas pues poco a poco esto va
cristalizando en soluciones en herramientas en cosas en soluciones que
que permiten que más gente se pueda ir sumando a esto y que más agentes pues yo
que sé gente que quiera montarse una empresa que tenga algún producto basado
en machine learning o gente que quiere invertir en este mundillo se pueda
hacer acercar a él y en ese sentido tenéis el máster o sea habéis montado un
instituto el instituto de inteligencia oficial el ia y habéis sacado un máster
ya creo que está en la segunda edición si no recuerdo mal no y ese pues eso no
es un máster orientado para gente no técnica directamente si como vale ya
quise a ti sí y porque no la primera pregunta es porque vale pues justamente
esa es la pregunta que intentar sobre el máster con otra con otra óptica no
fíjate cuando tú programas un modelo de estos como que ya tienes la pregunta
hecha no muchas veces a ti como ingeniero ingeniera te dan los datos
tienes que visualizarlo hay que llegar conclusiones o tienes que hacer un
modelo predictivo pero suele estar ya marcado te viene ya marcado en algo en
una empresa a muchos niveles hay muchas otras preguntas que no son cómo hago el
modelo que esa es la pregunta de hay que programarlo hay que hacer datos como
bueno pero hay más preguntas que hoy en una empresa
en una empresa de supermercados tiene sentido qué problemas tengo que se
pueden atacar con este tipo de tecnologías porque sean de atacar como
pero no como como se programa sino como a muchos niveles como consigo los datos
para entrar los modelos se me hace falta como lo hago pero a nivel digamos
organizacional contrato un equipo de gente externa
formó a la gente que ya tengo en mi en mi plantilla de programadores y le doy
esta nueva formación de inteligencia artificial o de datos o lo su contrato
cuando lo hago cuánto me refieres a un montón de preguntas que no son tensor
tensor flow o que o pie torches vale fíjate este es un mundo de más legales
temas de ética temas de privacidad fíjate o sea eso abrimos muchos números
abrimos muchos melones no y hay que saber de lo que se está hablando los
temas por ejemplo de ética son súper difíciles hacer los días no son temas
a nivel de ingeniería tienen muchas dificultades si tú los atacas con mucho
conocimiento de causa por ejemplo hay que esos son buenos son dilemas que la
humanidad nos ha resuelto en toda su historia no se van a resolver con con
el aprendizaje profundo hay riesgo de que si nos atacamos se distorsionen más
ciertas cosas porque hay que tratarlos con rigurosidad pues estas son todas las
preguntas que intentamos formar a gente que quiera incorporar de alguna manera y
ahí claro es muy amplio la inteligencia artificial entendiendo de una manera
amplia en realidad tú ya sabes que hoy en día hablamos de inteligencia
artificial pero en verdad hablamos de aprendizaje automático o aprendizaje
profundo en general no luego supervisado no supervisado el de por refuerzo por
ejemplo todavía no está yo no veo demasiados ejemplos de madurez de
incorporación en empresas y proyectos quitando temas puntuales si eres google
o facebook o didi pero en general no entonces lo que intentamos hacer con con
con el máster es formar a gente que sea emprendedora que trabaja en una empresa
o que o que bueno o no en una empresa o en hospitales por ejemplo y el mundo de
estar o la administración pública por ejemplo de optimización y mejorar y cómo
conocer esta tecnología para ver si tiene sentido
resolver problemas que hoy en día o no se resuelven porque son muy difíciles y a
lo mejor tú mismo te has bloqueado de querer resolverlos porque era imposible
y esto te puede abrir un poquito la mente mira yo me encanta un ejemplo que
es quizás la manera más sencilla a nivel de negocio de empezar la
inteligencia artificial es coger algo que ya hacías en una empresa y hacerlo un
poco mejor o más barato vale que eso está súper bien y en muchas empresas ya
solamente con eso puedes hacer negocios siendo más eficiente simplemente pero
claro tú imagínate ahora que darte nuevos productos que no existían yo creo que en
tu canal e igual ha sacado alguna cosa de este estilo yo me acuerdo en tu
canal por ejemplo tú has sacado unos vídeos super buenos que explicas en
profundidad como la detección de pose en inglés no que te detectan y te dice
dónde están pues los articulaciones de diferentes partes de los huesos y demás
no yo como ingeniero pues veo ese artículo es fascinante las redes y no
sé qué pero una persona normal tú ves eso y dices bueno para qué sirve esto
para que la que me sirve la gente como esqueletos que se mueven por ahí y no
entonces hace poco vi un producto de creó un kickstarter de una empresa que
coge y te vende una especie y esto se ha disparado con el confinamiento que hubo
una especie de televisión así de plana con una cámara y tiene un y dentro tiene
un sistema de estos ya tenemos una pantalla con una cámara y un
modulito que te hace detección de pose para qué sirve es un gimnasio online
con el personal el entrenador personal y ramificado pero claro ojo que ya te ve
entonces si tú haces una flexión yo cuando no sé ni te pasa carlos pero ya haces flexión
y vas a como contigo el piano y luego una flexión y cuando voy contando ya mi cerebro
no puede ni contar y suelo hacer trampas hacia arriba que me las salto
este se hace las sentadillas el sistema ve tú no sé qué y te va contando entonces
fíjate esto es como para mí una manera de coger algo que no era factible sabes
o sea y además era un poco raro el corte si tienes un entrenador personal con una
cámara y tú estás ahí en tu casa yo que sé como que hay un punto no que no tal
pues ha hecho un producto fíjate como como con esta óptica y claro yo lo que
veo con eso es que efectivamente o sea para la gente que estamos muy metido
dentro del mundo del deep learning es como que vamos en un tren que va muy
rápido y están pasando muchas cosas y cada año o cada mes sale una renovación
de lo que era muy impresionante hace tres meses y es todo muy frenético pero
por el camino estamos dejando un montón de herramientas y soluciones que tiene
que llegar otra gente porque es que nosotros no nos vamos a bajar del tren
porque ya vamos muy motivados a ver hacia dónde llega pero hay muchas cosas
que se pueden convertir en producto lo que comentaba de la detección de poses
para hacer flexiones eso me parece un producto excelentísimo de una sola idea
que se podría hacer con una sola herramienta de las muchas que hay está
ahora todo el tema de renderización 3d que también está siendo alucinante el
simple hecho de que yo te estoy pegando palmas y no me oyes es por inteligencia
oficial con envidia es decir tantas cosas que necesitamos gente ajena al mundo del
deep learning que venga para acá y diga oye vamos a sacar valor de todo esto y
es un poco el valor interesante que le veo a este máster que cuando me lo
comentaste lo dije joder que guay porque hay mucho curso técnico y curso
técnico gratuito de pago hay toda la fórmula pero hay muy poco de esto hay
muy pocos proyectos de formación que busquen darte toda esa vertiente de
todas esas dimensiones que son súper importantes pero que yo no te voy a dar
por ejemplo en un curso técnico de tensor flow ahí hay un montón de
preguntas cuando yo doy charlas o cuando voy a hacer formaciones en empresa que
me preguntan esto no oye y legalmente esto cómo se coordina y yo que sé es
que hace un año los abogados están llegando ahora claro alguien que esté
más formado en ese campo y me imagino que en el máster en el programa
curricular pues tenéis formación de todos estos temas pues pueden dar
respuesta más completa entonces en ese sentido el máster me parece súper
interesante me lo comentaste vamos a dar detalles así del máster aunque ya al
principio he soltado ahí la promo que ya hicimos para el vídeo de
convolucionales y es que el máster es completamente online evidentemente este
año ya ha habido una pandemia no sé si alguien se ha enterado del tema el
máster es completamente online va a ser de enero a junio
creo recordar que me dijiste que eran como cinco horas de trabajo semanal puede
ser si cinco horas calculamos que hay cinco horas de trabajo semanal el
teoría es compatible incluso si estás trabajando correcto no hace falta
requisitos técnicos está pensado pues para perfiles que se quieren acercar a
este mundillo el precio la matrícula actualmente 2499 euros y tenéis con el
código del canal con 12 cv 10 un 10 por ciento descuento que sobre el precio la
matrícula pues está está bastante bien y sobre esto no sé si quieres apuntar
algo de creo que me parecía también interesante el hecho de que dentro del
programa también tenés como trabajo finales de curso como era ese si si
tenemos a ver el programa tiene bueno tiene tres partes no el como dices son
cinco horas a la semana hay tres bloques la introducción
hay deje de viciar definiciones a la que hablamos luego hay una parte digamos de
aplicaciones visión tal desde ese tipo de cortes lo y una parte de
organizaciones y durante toda esa parte todo lo que se da incluso que tú puedas
pensar que es teórico lo paralizamos con cosas que van saliendo oye pues por
ejemplo cuando damos a bajar aprendizaje supervisado y no supervisado por refuerzo
cogemos la noticia que le ha pasado y la gente ahora sería alfafold 2 que se
sabe poco pero sabe algo y entonces diseccionamos cada cosa que sale desde
lo desde lo que se estudia para entender que se está viendo no entonces y
luego hay que entrar a prácticas que se pueden hacer en esas cinco horas
semanales hay muchos tipos de prácticas tenemos prácticas pues desde está muy
bien porque cuando inicialmente cuando empieza el máster hay una práctica que
es cogerte un problema tuyo de tu sector y cuando se está hecho a propósito de
sabes poco cómo lo formularías con la ia y es un poco un ejercicio que luego
los alumnos van viendo que a medida que funciona el máster vuelven a su
problema ya van aprendiendo que no se hace como se haría y eso es muy
interesante y luego hay un trabajo de fin de máster no que realmente es un hay
diferentes planes no pero uno es hay casos prácticos pero el trabajo de fin
de máster es un plan digamos de elección de un problema en tu
organización si no tienes pues puede ser algo que te inventes no es necesario que
exista en realmente es un plan hay que ejecutarlo pero es un plan de lo que
sería la implementación de un problema concreto que tú elijas las fases que
tendría para aplicar inteligencia artificial casi siempre de forma
supervisada y de ventaja automática super interesante es muy guay también yo
creo que otro valor añadido sobre todo es claro que al final evidentemente
compañeros y hay un networking de perfiles que evidentemente si están
interesados en este más en este máster están buscando en un futuro a corto y
medio plazo puede tener una empresa o participar de este mundo de alguna manera
entonces también yo creo que eso es muy muy interesante esto está abierto para
todo el público hispano está centrado en españa como va
si el público el máster es online entonces tenemos al ser digamos
asíncronos y de que tú puedes ver las las los contenidos un poco a tu en tu
horario al ser asíncrono pues permite es en castellano va a ser es 100% en
castellano y lo que tenemos son hay dos aspectos argumentado por una parte el
tema de networking en un máster creo que super importante networking de hecho en
la edición previa ya lo tuvimos aunque tuvo una parte presencial que está no
tiene pero en la edición previa por ejemplo tenemos casos de gente que ha
hecho cosas con otros de una persona que otra persona lo contrató en su empresa
o sea eso se ha materializado de varias maneras que super interesante y
entonces en este incluso siendo online vamos a incentivar para quien quiera
por no todo el mundo quiere aparte de networking pero para quien quiera vamos
a incentivar hace digamos de acahuetas no por así decir de juntar y hacer
sesiones digamos de matchmaking de te presentas a hacer un vídeo que es un
buen ejercicio a lo mejor a lo mejor quien quiera pues para tener la
oportunidad de presentarse y hacer trabajos en común y nosotros vamos a
incentivar nos preocupa mucho de que esto a un máster no puede ser una
playlist en youtube vale no puede no es eso es que no es eso entonces hay una
parte de networking que trabajamos mucho y luego hay otra parte de tema de
horarios que está abierta por supuesto a cualquier parte del mundo y luego lo que
sí que hay un tema es hay un tema que hemos dicho y de hecho carlos tú estás
invitado y sabes que abres con la primera ponencia tenemos para mí yo
mirado de una de las cosas que estoy más orgulloso del máster
a mí es un tema que hacemos por vocación en realidad porque es que creo
que tú has dicho estamos viviendo un tsunami yo viví en los años 90 el
tsunami de internet este es el tsunami de la inteligencia
artificial en el mundo castellano parlante nos hemos más o menos perdido
el tsunami del software y internet yo quiero hacer lo que me toca para que
ayudará que no lo perdamos este tsunami y entonces y por eso es en castellano
entonces lo que estoy súper contento es los ponentes que traemos tenemos
formadores pero tenemos ponentes que gente digamos de forma es muy ecléctico
el elenco de ponentes que tenemos todo es una charla y ahí lo que hacemos es
las charlas los ponentes la graba en una primera parte que puedes ver también
durante la semana a tu ritmo que dura entre media hora y una hora
lo que es la ponencia durante la semana igual parte de la práctica es trabajar
aspectos de la ponencia y unos foros de discusión se pueden hablar se pueden
botar preguntas y el viernes por la tarde por la tarde hora peninsular
española de 7 a 8 de la tarde hora peninsular española hay que es opcional
pero muy realmente pues muy recomendable un diálogo con el ponente por ejemplo
cuando estemos contigo tu darás la charla se verá entre semana
habrá rápido movimiento en el foro en común la gente podrá discutir cosas
que habrás dicho nosotros te podemos facilitar el movimiento que haya habido
por si quieres mejor añadir alguna cosa te preparas algo y el viernes por la
tarde hay un diálogo esto ya no es una charla es un diálogo la gente ha visto
de lo que has hablado y te pregunta y eso lo haremos contigo y con 19
ponentes más 19 tenemos 20 20 ponentes y hay de todos vamos a tocar desde la
inteligencia artificial que tú vas a dar como una especie de presentación un
poco muy transversal aspectos éticos aspectos legales aspectos de
creatividad aspectos de captura de datos cómo ve un inversor la inteligencia
artificial hay aspectos en medicina bueno es que hay 20 imagínate para mí
esto es muy difícil la verdad es muy difícil juntar a 20 personas muy
ocupadas y que hablen de esto pero es que creo que a todos los ponentes
también desmueve la vocación de intentar lo que yo decía en un episodio
de mi podcast es que creo que no nos podemos perder esta ola y esto es como
lo que queremos hacer para que para que vosotros no los los los los los que
estáis viendo este vídeo los que alguno alguna hagáis el máster
tienes que coger el testigo no y hacer un producto una empresa que utilice este
bazooka no de inteligencia artificial es que esto lo hablamos mucho en privado de
detrás de las cámaras lo de tío qué pena que falta en España para que para
que esto catalise para que para que pueda haber pues lo que veo yo en otros
países empresas que innoven que usen la inteligencia artificial que hoy en día en
españa pues usar inteligencia artificial es business intelligence y a correr no
tener una solución de bi entonces falta falta eso y cada uno pues hay gente hay
mucha gente haciendo cosas pero hace falta más o sea esto hay que armar un
tejido y por eso a mí cuando me mataste lo del máster iré el instituto me
pareció súper súper bueno así que nada ya lo sabe la la gente que nos esté
oyendo hasta ahora abajo en la caja descripción está toda la información de
nuevo para para el máster tenéis el código descuento tenéis todo y cualquier
duda que tengáis nos pueden consultar a andrés o a mí por redes y las iremos
respondiendo sobre esto te iba a preguntar yo ahora el tema de españa y
los países hispanos que tienen que hacer es decir hemos visto recientemente que
han sacado este plan de innovación en españa de inversión y tal que viene ya
de un documento que se había sacado hacía ya unos meses que me acuerdo que
tú lo comentaste por redes cómo lo ves que te parece
bueno es a ver la parte positiva de la parte positiva es que existe que está
bien que exista algo no la parte positiva pero menos positiva es que hay
un número que se llama 600 600 millones de euros
bueno oye otras veces no estaba ni siquiera un número era pues una
declaración de cuando le preguntas a un niño pues que quiere ser de mayor que
está muy bien que te diga que es el astronauta o una niña pero luego es el
niño esa niña tiene que estudiar para poder ser astronauta y tiene que
esforzarse no y en este aspecto pues dedicar recursos una cosa es querer y
otra cosa es dedicar entonces en mi opinión pues ese dinero quizá bueno es
una comparativa o sea es muy inferior a lo que hacen ya no hablo de chinos
de eeuu de lo que de lo que hace francia o alemania sin embargo no entonces eso
por ahí y luego luego que me encuentro pues mira ahí temas muy o sea podemos
hablar de estrategia vale hay una frase que creo que se atribuye a picaso no
que es cuando los críticos de arte hablan de no sé qué hablan como de
cosas así cuando los que realmente los pintores hablan entre ellos hablan de
dónde comprar la pintura más barata vale en qué mercadillo se encuentran
hablas de lo práctico y lo tangible no y yo me planteo oye está todo esto muy
bien en el documento por ejemplo se habla del castellano castellano
te cuento una cosa que es increíble el castellano pues mira el gpto 3 habla
castellano pero porque se ha colado carlos sacó la sacó la pero porque se
ha colado yo lo sabemos se ha colado igual que posiblemente hable chapurre el
vietnamita posiblemente no sea pero pero tú fíjate en el documento se habla de
que se quiere potenciar el castellano como lengua de digamos de la ciencia
etcétera no hay de forma sólida un gpt 3 nada cercano a cercano en
castellano podemos hablar lo que queramos de
ir a mis intenciones de ser los líderes en la ética de la ia que como digo por
favor es un problema muy complejo pero si no tenemos
como decirte un poquito de industria si no tenemos capacitación pues bueno si
hablaremos de la ética lo que queramos pero no tenemos impacto real entonces
qué es lo que yo me gustaría temas tangibles temas muy tangibles que es oye
en abierto por favor un proyecto de recopilar para entrenar como primera
fase un super corpus increíble primera fase fase 2
fase 2 entrenarlo que sólo es dinero no sólo es dinero sabemos que estos
entrenarlos con es más complicado es un poco paradójico y te digo que me
parece paradójico porque es que a veces del dicho al hecho el documento se habla
del castellano el documento viene de en parte está marcado de seria que
depende de ministerio sabes de un ministerio el serie hasta de poco yo
tengo una entrevista pendiente en mi podcast con carmen artigas que me echo
pues me me se ha ofrecido a hacer los he querido esperar a que va a ser algo del
covid por porque igual iba a estar centrado en el tráfego de contactos y
no es tampoco mi foco sabes el tráfego de contactos pero me parece un poco
curioso hay un tema que te voy a comentar que es el código fuente del
radar covid que salió está en github lo podéis ver y está en inglés que me
parece súper bien pero me parece como mínimo chocante que se quiera dar al
castellano un papel protagonista y luego la primera vez que el ministerio
es la primera pero de las pocas veces que algo digamos oficial de un ministerio
tal que está en inglés oye yo me ha costado mucho aprender inglés y no es
que te lo diga por ser provinciano pero en tema de coherencia para mí hay un
aspecto de coherencia entonces esto es lo que yo tendría que vigilar es un
documento mira en la empresa igual está la parte estratégica y la parte táctica
una estrategia sin sin táctica pues puede ser ser un lunático es que yo
tengo la visión si es como yo tengo la visión de los años 90 de hacer el ipad
no oye pues mucha gente claro y yo tengo la visión de hacer un ordenador
cuántico como que me quepa en la muñeca ahora
lo estoy de acuerdo 100% contigo o sea el la sensación que tengo es que hay
muchos temas dentro del campo de la ia que es como muy fácil apuntarse en otro
que has comentado la parte de ética bueno pues hablar de ética de inteligencia
todo el mundo puede hablar de ética de inteligencia artificial chapurrear no
luego evidentemente profesionales que saben del tema y que te puedan dar una
visión sólida de eso pero porque te dan una visión sólida porque evidentemente
se están apoyando en algo tangible en una industria de verdad o sea que me
venga alguien que trabaja en google a hablarme de ética de google pues
evidentemente pues sí tiene una potestad pero claro si me vienes a hablar de
ética aquí en españa cuando no tenemos una industria real de ética que estamos
haciendo y prestar mucha atención a eso y dejarlo otros como vale nos van a
adelantar por la derecha todos los países no estamos perdiendo una
oportunidad súper súper y fíjate carlos que esto es un tema no solamente es un
tema digamos reivindicativo de decir que vemos el castellano sea por no
quedarnos al trato porque puedes pensar bueno que te podría podrías pensar oye
a lo mejor me da igual mira el otro día hablando con con mi mujer de hecho hay
un proyecto en el que voy a estar trabajando ella donde hay que tratar
ciertos datos de informes clínicos informes o un informe clínico pues hay
partes digamos en la ficha de un paciente hay partes tabuladas en ejecución
analítica y esos son números ahí universal vale pero luego muchas veces
está el médico que escribe no en día todavía los informes fueron estar el
médico de escribe porque eso está pensado el médico lo hace pensando en
que el informe lo lee un colega de una colega no de oye el paciente presenta
esto no veo signos de tal y eso pues lo hace y eso se hace o en castellano o en
catalano vale pero se hace desde luego no lo hacen en inglés
qué ocurre que ella tiene un proyecto de esto con pocos datos encima porque
encima y tú sabes que hoy en día se habla mucho de que la inteligencia
artificial no funcione bien con pocos datos esto no es todo del todo verdad la
inteligencia artificial funciona mejor con muchos datos pero si tienes modelos
pre-entrenados a ver es factible hacerlo con pocos datos verdad como de los
pre-entrenados a ver tú puedes hacer un clasificador de perros y gatos con a lo
mejor con 100 imágenes y 100 si tienes un modelo pre-entrenado o con mini mil
vale pero no hablamos como se dice muchas veces que hace falta cientos de
miles o millones no pero con el modelo pre-entrenado y el lenguaje pasa algo
parecido entonces el no tener fíjate es que es fuerte el no tener estos modelos
pre-entrenados en castellano en concreto nos hace que el proyecto que estoy
diciendo se está planteando muy seriamente fíjate lo que te voy a
decir que es casi una aberración pero es para que veas que las cosas que la
sangre llega al río que para que poder ejecutar el proyecto de investigación
vale no estamos hablando de que nada que se va a utilizar en la práctica de
investigación pero en el proyecto de investigación se está hablando que es
más factible a día de hoy coger el texto de un informe médico en
castellano traducirlo en inglés aplicar el modelo en inglés traducido de
extracción de clasificación y se va a utilizar eso
si se ha vuelto loco claro y ahí está el punto de decir 600 mil 600 mil euros
o no 600 mil 600 millones 600 millones 600 millones 600 millones no será mucho
o no será poco pero es que si se invierte inteligentemente cuánto te
puede costar pre-entrenar un modelo en español para tenerlo ya en el haguin
face este abierto ahí y que cualquiera lo pueda utilizar para sus proyectos
disponible cuánto puede costar entrenarlos pues menos de un millón
menos de un millón de gpt 2 gpt 2 tenía era vamos el gpt 3 no lo sé
vale un gpt 3 pero sí menos de un millón yo creo que en día y esto cada
vez sobre todo porque ya lo han hecho claro poco entonces eso es una forma
súper inteligente de hacer una inversión porque es que de repente
habilita muchas soluciones que es lo que tú dices no el poder tener proyectos de
investigación que se puedan basar en estos modelos pre-entrenados para lo que
quieran eso es lo que hace falta luego al mismo tiempo surgen iniciativas que
salió una que era de la rae con microsoft con amazon con un montón de
gente que decían que se estaban aliando para mejorar la inteligencia artificial
el castellano y todo esto que yo creo que por ahí viene el párrafo esto que
han metido en el plan estratégico y que luego era un proyecto para mejorar la
para que las palabras que te corregía el corrector de microsoft de microsoft
estuvieran correctas para que las herramientas de google assistan te
pudieran dar definiciones de palabras y es como no es como coger la alianza de
personas clave estratégicas y hacerlo todo mal yo no sé si luego la
tras tienda estarán trabajando por hacer esto de los modelos pre-entrenados y eso
era como un primer vamos a dar cosas de impacto pero a mí higiénicamente me suena
mal como persona que sé de dónde qué dónde hay que pulsar no que botones hay que pulsar se
merece como se merece ese documento el beneficio de la duda no lo sé la
respuesta es no lo sé hay una persona también al lío del lenguaje a ver es
fácil que arroz en anécdotas no para mí por ejemplo me dolía ver el que más
del castellano y luego utilizaban se inventaban términos que no hay
necesidad se inventaban una figura que llamaban el chip data officer me parece
vale que no existe el CEO que tenemos figuras en castellano el consejero
delegado tenemos traducciones de learning yo a veces hay de jadez pero
intento decir aprendizaje profundo y digo el mismo documento que sale de un
ministerio sabes que estás diciendo que quieres apoyar castellano y en el
siguiente párrafo pones chip data officer no hacía falta
yo que yo creo que no hacía falta poner poner eso no y oye y como mínimo tenis
higiene y por lo en cursiva que es lo que te dice la rae que lo sé yo que soy
ingeniero sabes te quiero decir a ver que esto
los sabes el típico que se fija y si lo entiendo pero al final es al final es
como una cosa que te hace ver que no hay unos principios reales detrás de eso no
que es como bueno aquí vamos a poner este párrafo el castellano que queda
bien pero luego ya ni me acuerdo en el siguiente párrafo es un poquito eso sí
pero bueno a la realidad sobre todo nos quedamos con la nota positiva no al
menos está ahí la voluntad yo por eso te decía cuando me has preguntado aquí me
gusta entrevistar el caso de china es un caso muy cañero porque china
a ver que hay gente que hace 20 años que no es mucho año 2000
no mucha gente te decía que cine va a ser hoy hoy se ve evidente que china es
una potencia muchos niveles vale pero el año 2000 que no hace tanto no era tan
evidente que china iba a ser hoy líder en un montón de cosas en tecnología
los chinos eran famosos el año 2000 por fabricar cosas baratas y de mala
calidad vale entonces yo es que ahí veo un tema importante es que ha hecho china
para estar donde está oye que no queremos tiene es muy grande el tamaño
y otro país que del cual yo creo que españa debería aprender para tomar
lecciones que es corea del sur todo estado carlos corea del sur tú sabes que
corea del sur es un país con una historia ciertamente con algún
paralelismo a españa de que pasa por una guerra civil muy muy difícil país
pobre tiene como sabe pobre y deciden no sé tampoco cómo por las circunstancias
sean muchas pero que hacen una apuesta muy seria por la educación e invertir en
tipos de industrias y tecnología de lo que dicen alto valor añadido que es un
palabra un poco raro pero es cosas difíciles
alto valor añadido son cosas que no hacenle al lado fácilmente
que no puede comprar a otro país directamente el resumen y entonces
ostras pues esto es un país con muchos paralelismos con españa sabes de los
años 60 70 en países parecidos en muchos niveles en tamaño en tal en
sofisticación y que te digo que de españa latinoamérica hay muchos más
países y ya no conozco tanto y conozco más españa que tenemos también estoy
seguro bueno en el mundo del la inteligencia artificial si no me equivoco
andri ong la empresa landing punto ahí no que es como una pata que tiene tiene
un equipo muy fuerte me parece que es en colombia si no recuerdo mal entonces
que están también ocurriendo un montón de cosas en latinoamérica no yo yo salió
desde el documento es lo que te digo son documentos de estrategia es un documento
de estrategia como en todos los negocios es muy radical ya la estrategia es
necesaria pero no es suficiente y las empresas suelen
definirse su éxito fracaso sobre todo el fracaso cuando cuando no ejecutan bien
vale y la ejecución es la táctica y es ahora lo que hay que ver
sólo lo que has comentado ya para dejar al apunte el caso de china justo la
persona
tiene el libro no el día y super power creo que explica toda esta
transformación de china que es súper interesante el cómo se convirtieron de
copycats a lo que son hoy en día es cierto que luego china tiene muchos
motivos por los que puede ser avanzar más o menos que yo me acuerdo que
hablando contigo en privado me lo dijiste no es que ellos si quieren pueden tocar
la red social de youtube que tienen allí y poner a dot ccv como líder en
metal rubius y automáticamente tienes a todo el mundo nutriéndose inteligencia
artificial y pueden bueno pues sí tienen esa
está a tiempo carlos pero sí sí china es sorprendente y no solamente es
inteligencia es todo el tema espacial también y no nos damos cuenta porque
luego la prensa no lo cubre o sea desde occidente nos gusta obviar mucho de las
cosas que vienen de china pero lo que hicieron hace unas semanas también con
lo de mandar a la luna y hacer una misión completamente automática son
cosas que están pasando lo obvia pero porque es difícil es que la barrera con
china es y tal y el cortafuegos van las dos direcciones si si yo diría diría
por una parte de eso pero bueno también diría que hay intereses no de
ciertas cosas de no dar publicidad porque evidentemente pues preferimos dar
publicidad al space x y todo lo que está pasando que es muy interesante bueno y
luego la otra yo también por ser un poco de beneficio de la duda con china a ver
yo creo mucho en china creo en la importancia de china no me confundas con
con que apruebo sí sí de sus políticas y demás no y también hay que tener un
poquito de cierto bueno la famosa esta frase que se le atribuye a ronald rigan
que luego parece que no estar en un robo de ruso sabes que decían tras
verify sí no que es que confía pero verifica que decir no confíes nada
tras verify claro en china hasta qué punto te puedes fiar de lo que te quieren
contar vale porque ellos no tienen no tienen ningún no tienen demasiados
mecanismos de contestación y te tienes que ver las leyes es que las leyes está
prohibido por ejemplo para un ciudadano chino hacer periodismo independiente para
medios extranjeros está prohibido literalmente prohibido entonces es que
no es todo es un tema que sea secreto sus leyes lo dicen y otra cosa es que
esté de acuerdo o no pero que sepas que está jugando a ese juego que es un poco
distinto del nuestro vale sólo te quiero decir que compararlos 100 por
100 igual pues oye luego se pueden ver resultados y habría que y habrá que ver
bien vale pero es indudable no quiero medir pero también quiero poner un
poquito de acento en cosas que no es si juegan con ventaja pero están jugando
no es con ventajas cuando a otros juegos con otras reglas correcta si si y bueno
pues nada pues la idea será que la gente aquí que nos está escuchando se lance a
emprender a hacer el máster y ya ya saber de todo esto si tuvieras que
emprender ahora dentro de la inteligencia artificial tienes algún sector que te
gustaría tocar ahí que digas tú este este es clave o a lo mejor que te guste
hay varias cosas fíjate con el tema de los sesgos es que fíjate el tema de los
sesgos como yo diferenciaría de varios tipos de ideas no sabe una parte tienes
como un enfoque plataformico horizontal vale de tecnologías que sirven
paralelitar a otras cosas un enfoque en ese enfoque hay un montón de cosas ahí
tienes que tener cuidado porque a la mínima pos que empezar con google y con
facebook ese es el riesgo de amazon no ese es un riesgo a mí hay una cosa que
me que sí que me gusta en ese nivel a lo mejor me centraría que no es de no me
mojo con ninguna aplicación en sí a nivel plataformico qué problemas no
resueltos e importantes hay vale la pregunta que yo María un problema no
resuelto que me parece súper importante que es como varios uno es el tema de
explicabilidad eso no está demasiado resuelto modelos no es un cajadero no
es verdad vale con cerebro pues hay que pinchar y cuesta más pinchar una
neurona pero ahí hay un potencial eléctrico con ordenado más fácil
congelar todo y leer los números o sea otro caso es que siempre vamos a
entenderlo que es otra cosa entonces hay un tema pero un tema más para mí más
más sabes que las redes no les a día de hoy y muchos casi todos los modelos que
hay son modelos que se basan en correlaciones no son modelos causales
esto significa no pues que el modelo cuando ve una cosa te dice que es otra y
claro no necesariamente significa que eso implica la otra cosa el modelo ve que
ocurren juntas vale no sabe decirte que una cosa es causante de la otra
tú le podías a lo mejor según la dimensionalidad pero igual le puedes dar
la vuelta a los datos y entrenarlo sabes hacia atrás en el tiempo vale y el
modelo sacaría como la correlación previa no entonces y esto es un tema que
se llama sesgo a lo mejor la palabra sesgo hoy en día está cobrando una
connotación negativa porque vemos ellos malos pero me hace gracia porque porque
las redes son sesgo en ingleses vias es lo que es una de las cosas que utiliza un
modelo para aprender pero porque lo aprovecha y no tiene ni connotación ni
buena ni mala es un es para acercarme más a un resultado si esto está sesgado
en cierto lado de entrada voy por aquí es más fácil no qué pasa que a veces como
sociedad queremos anular por dos motivos o porque no implican causalidad vale o
porque no sabemos y no queremos abrir el melón ni siquiera también puede ser de
que la implique vale puede ser o lo que sea como sociedad elegimos que no
tengan que los modelos no tengan sesgos y ojo lo que te decía dejar nueve mil
y mentir también viene porque a veces los datos los otros vienen de un montón
de sitios hay unas polémicas brutales con este tema no pueden venir de los
datos a uno casi lo incendian por decir eso pueden venir vale pueden venir y
vienen de muchos sitios vale interesa vale interesa siendo conscientes de que
existen estos sesgos que vienen un montón de sitios tener herramientas
para intentar quitar los que sabemos un sesgo de sesgo de sexo de género lo que
quieras y lo quieres que eliminar sesgo racial en los datos y tú puedes que
forma un poco en ahí puede tener otros y se da esta circunstancia sabes de que
por la raza el modelo tiene que predecir una cosa que lo ves no imagínate porque
voy a quitar eso pues tú puedes decir que eso hay que estudiar las
implicaciones que tiene luego de bucles de alimentación es complicado pues
tengo que decir que todo esto es complicado y hay que tratarlo bien pero
en los modelos por una parte tiene los modelos de vida en que son súper
profundos y poderosos haciendo cosas y se van a aprovechar del mínimo resquicio
vale para dar un buen resultado y entonces si pillan un sesgo lo van a
explotar claro eso lo hacen porque en el fondo los has programado para eso para
que es minimizar el error y tú ya lo has dicho pero la coletilla es a toda costa
el modelo no es listo y te dice que estás cogiendo por sexo y no me has dicho
nada de eso entonces y ese no me has dicho nada de eso hoy en día cuando
hacemos modelos de redes convocacionales no es inedente verdad hacer eso empiezan
a ver esto sin temas polémicos por ejemplo en la forma práctica yo por
ejemplo con mi mujer otro día mi mujer este fue un proyecto súper interesante
también de investigación donde ocurre esto en el entorno médico fíjate el sesgo
ya no estamos hablando de un sesgo social así no no es un sesgo de que el
modelo no sabemos cómo lo podríamos ver pero en lugar de fijarse en lo que le
pasa al paciente detecta aunque no se lo digas de forma directa de qué hospital
tiene y como hay un sesgo del hospital imagínate que tú tengas un hospital
que se especializa en imagínate vale en los zurdos por decir algo vale es un
hospital de zurdos vale resulta entonces tienes ahí un montón de zurdos y otro
hospital que tiene normal entonces de alguna manera sabes y es un problema que
es dejarte que estás viendo un tema de la mano no y a por los zurdos tiene un
potencial oye si detectar ese hospital como como los de esos zurdos a lo
mejor tienen la mano tienen un problema que estás estudiando el atajo es
pillar el hospital imagínate que la radiografía por ahí abajo pone hospital
de zurdos no el modelo se va y lo pilla y ni mira la imagen si ya sé que si
viene el hospital es que viene porque es un hospital especializado y ya le pasa
de todo ya pues ya le digo que se ya ya tiene la patología o lo que sea entonces
esto ocurre esto es de las cosas que cuando aprende deep learning te das
cuenta la filtración de la información como la información puede fluir a
través de muchas cosas incluso de tu propia relación con el modelo cuando
este concepto del cross validation para evitar que tú estés con el proceso
iterativo de depurar todo eso pasa y es cierto que el saber interpretar es
aprendizaje es importante claro en ese caso pues saber el hospital sería un
sesgo depende depende del uso que quieras hacer del modelo si el modelo te
lo quieres llevar a otro contexto donde tú te fías que va a funcionar y de
repente no funciona porque no funciona pues porque ya la idiosincrasia de los
hospitales de eeuu será diferente a la española bueno el tema lo que puede
pasar a lo que te puede pasar según cómo lo hagas que tú hagas la
validación cruzada y si no haces bien te puedes luego puedes ver que según
cómo la hagas eso lo pones en otro sitio y no te sabemos resultados porque
lo sacaron el modelo no es robusto claro una cosa sinística no del modelo no
robusto y es que se aprovechado de una cosa que tú no te has dado cuenta no
entonces hay por ejemplo hay investigación de hecho pues estaba en
otro día en una relación de una red súper interesante de con una fecha de
no es una gan pero es una pérdida dersaria una parte de la pérdida para
hacer como una especie de pelea como en las ganas no que por una parte le
dices que la identifica en la patología y a la vez tapate los ojos y predice muy
mal intenta adivinarme el hospital muy mal
y muy bien lo otro es complicado hacer eso bien sabes entonces eso por ejemplo
es un área que me parece súper interesante porque es útil sesgos de
todo tipo en plan pragmático haría modelos más robustos a cosas prácticas
sabes sin tener que coger así hipotéticos de una forma pues de un
hospital de muy tal sería uno luego en verticales en allá más bien por
industria y lo que me gustaría sería en realidad no sea en realidad ahí sería
carlos lo que estamos haciendo en el máster que es
yo me sentiría orgulloso si alguien del máster a cabo de un año de dos nos
viene y gracias a lo que han aprendido han hecho el equivalente este de
gimnasio con lo de las poses que se le ocurre como una aplicación que tú la
ves y luego la ves como evidente pero luego eso lleva todo un tinglado de
empresa increíble detrás no es solo eso personalmente me parece y te diría a
priori esas dos no la conducción autónoma estamos cerca
cerca no sé cómo de cerca estamos pero estamos más cerca a mí me gustaría no
me meterías en su día mucha gente me lo decía cuando hacía esas competiciones
de conducción autónoma a eso requiere unas economías de escala de datos que por
mucho que yo hiciera un modelo muy bien y no sé qué no hay que ser tecla con lo
que eso significa de mil millones de millas por ahí no ya otro aspecto
súper interesante que a lo mejor me parecería muy bien pero estaría que
verá la incertidumbre de cómo evoluciona la investigación es tú
las que hoy en día no necesitan muchos datos no los datos a veces son costosos
de generar pues había empresas que se dedican a hacer datos sintéticos
y eso me parece súper interesante los datos la generación de datos sintéticos
porque una charla de young woodfellow que al final es un poco el padrino de este
mundo sintético en la parte del learning que creo que estimaba que era como un
dato sintético vale un quinto del dato real o sea que tú con un data set o sea
que puedes sacar un rendimiento y eso es súper interesante porque al final es
como estás completando la distribución de datos y aún así puedes aprovecharte
ese rendimiento me gusta porque a la pregunta de dónde te gustaría invertir
se te ha visto esa doble vertiente bruce wayne batman cuando te has creado más
por la parte académica de bueno quiero saber interpretar quiero montar el
laboratorio san chinarro ella y al mismo tiempo la parte de emprendedores
open ella y saber si me dijeras cheque en blanco vale el cheque en blanco sería
hacer para mí mía mía no pero ya y para mí la empresa que si yo tuviera ahora
mismo yo tenía un empleo solo en mi vida que fue en el cerne en empleo por
cuenta ajena no en el centro de inversión nuclear si yo volviera hoy en
día terminada carrera y fuera a trabajar para alguien sería la empresa que a mí
me gustaría porque porque es fija de opinión y como que yo que sea aspiran a
como no lo sé igual es grande lo cuente pero aspiran a integrado de vida general
los de deep mind también aspiran es lo que ponen pero me gusta mucho que lo que
ya dicen es vamos primero bien ese primero puede ser 100 años vale yo ya
estoy contento primero solucionemos grandes problemas científicos de la
humanidad y lo están haciendo sí problema de pegado de proteínas
oye yo no sé de energía para dar mejor hay problemas si tú consigues tener un
problema muy grande de la humanidad vale médico energético de biología de de lo
que sea y te lo y lo consigues mapear a un problema computacional ahí ya no
toques y te lo cargas que es lo que está haciendo de este imagínate que el tema
del co2 vale que hoy en día es un problema el problema no lo sé yo la
pandemia nos ha dejado un poco tontos no pero pero la pandemia cámara lenta es
lo que estamos viviendo con lo otro entonces con la misma capacidad de la
misma capacidad política de gestión bueno claro y ahí peor todavía no
porque la pandemia es gestionable a cierto nivel de forma local si este es
peor porque aunque españa sea carbón neutral si él al lado no lo es el mar
sube antes aquí que donde está la fábrica que contamina donde esté
entonces en la gente nos usa esa quizá algo así no como deep mind o sea una
empresa en la cual quiere notar problemas de la ciencia fundamentales
con aplicación se supone vale yo yo hay un tema que creo mucho
esto es otra locura carlos he confesar que me he comprado para estas navidades
a decir aquí en público me he comprado un kit
do it yourself crisper de crisper estás diciendo que eres un poco bruce wayne pero
te estoy viendo tintes de malo de la versión
no hay un documental en netflix igual que igual que es brutal que es de que se
llama ya el nombre es que creo que es de bueno es un documental es que es que me
confundo porque hay una serie también y es de la comunidad que llama el nombre
también biohackers vale vaya nombre más malo el nombre no da justicia lo que
viene a decir es que eso es muy peligroso y es súper interesante en la
parte ética por ejemplo es muy interesante porque hace poco escuché
una un podcast nos cera
de crezco y intervistaban a una persona
para los nombres de ética de tema de biología no estaba muy bien en este
documental de biohackers cogen al que había inventado una cosa que se llama igual
te suena en inglés es gen drive no como el conductor de genes que es esto que
van a hacer que es muy famoso con los mosquitos sabes que los mosquitos los
modifican genéticamente y entonces el mosquitos hacen como una historia para
que mosquitos trasmisor el resumen es que en tres generaciones ya todos los
mosquitos que hay llevan ya eso es como es modificación genética que la transmites
sí o sí quizás que los genes hay más o menos si no son dominantes no sé qué
de transmitirlo a tu presidencia que puedes coger la madre o el padre con el
gen drive hacen digamos dominante sí o sí el gen vale entonces lo que hacen es
que es dominante creo que es lo que hacen es que solamente van a ver machos
es como imagínate que ahora la humanidad todos los niños que nacen
son niños qué haces te la cargas en pocas
generaciones no porque al final quedan pocas mujeres bien si tienen hijos como
todos los que quedan por ahí tienen este van a tener niños y lo aniquilas
no eso es esa maravilla vale esa magia pues es una cosa distópica no pues
puede servir tiene uso o sea está aspectos éticos porque hay un dilema
moral ya sabe la gente que nos está escuchando siempre a partir de él
empezó a detectar en alicante mosquitos que hacen cosas raras
ya sabéis a dónde acudir está comprado el kit para pero con qué fin no no no
aquí es un kit de como de el hello world de crísper vale que es introduccionados
te dan unas cositas ahí tú mezclas y luego supone que una bacteria que es la
batería que se utiliza totalmente que no tiene o sea que enseguida se muere y no
hace nada y se hace luminescente que por ejemplo lo de crísper es de tu zona
también si no recuerdo mal de mojica que fue el que descubrió el tema de la
bacteria creo que también la sí sí sí sí francis
de la biotecnología y y pues esto es a esto a mí por ejemplo me parece una
esta documental de netflix hay varios es que fíjate lo que pasó se lo que pasó
fue veo este documental y claro sea y veo y ahí va a ver con el tema de la la
creo que estamos en la biotecnología con el crísper en los años no sé si 80
cerca como 80 o 70 y largos 80 en la biotecnología vale que se empieza a
poner a tiro para hacer cosas muy potentes si lo unes con la computación
claro nosotros pensamos que yo me estoy poniendo nervioso también claro nosotros
pensamos en como la informática entre lo que se puede hacer pero ostras perdona
la naturaleza no naturaleza y un buen relista la física las leyes físicas y
la química orgánica para llamarlo así como herramientas más potente que todo
lo que hacemos casi todo entonces dices hasta cosas como hacer un edificio
entonces te imagínate esto se abre en el libro de contact en la película
contact no sólo la película pero sobre el libro de cal sagan que tú imagínate
diseñar dejate los planos de un edificio y en lugar de construirlo para
imagínate hechas ahí como una especie de semillas
vale hechas agua eso es que te crece una especie de árbol con la forma del
edificio a cabo de unos días con el sol se seca y hace una reacción y se
convierte en cemento la ciencia ficción claro que ciencia ficción hoy en día
igual que era ciencia ficción hace 100 años una calculadora vale pero todo eso
eso se puede hacer no hay nada imposible para hacerlo y empezamos a tener
sabes como bueno no te voy a decir esa capacidad ni de casualidad pero
empezamos a poder de entrada modificar cosas con el CRISPR significa no
significa para crear desde cero sirve para modificar vale ojo que con lo del
alfafol empieza a ser más cerca el poder crear vale porque es que yo hago la
secuencia aquí y veo que sale si pudiera hacerlo al revés si quiere una proteína
con forma de rombo con un enganche porque eso luego sé que si las apilo me
hace una estructura con una resistencia increíble y eso sirve para hacer una
ascensor a la luna si si al final es como que te pones un poco a soñar o te
pones un poco a darte cuenta cómo están evolucionando ciertos sectores y casi le
puede dar un poco la razón a lo de la singularity no sé qué de oye esto está
creciendo exponencialmente y cuando se conecten tres o cuatro tecnologías que
están por aquí candentes se pueden dar pasos bastante fuertes el tema del
alfafolt si te pones a analizar un poco gente
experta en el campo de el protein folding y todo esto te dicen yo es que cuando vi
la competición de 2018 cas 13 yo predecía que podríamos llegar en torno
a un resultado de 80 puntos en 2024 2026 y de repente llega a deep mind y en 2020
te resuelve el problema al 92,5 que esto significa que ya es equiparable a
bueno incluso superan rendimiento a los métodos de rayos x lo que dices tú ese
problema porque porque deep mind ha decidido atacar a ese problema
directamente y en parte porque también y lo podemos conectar con la primera parte
porque existía el formato competición para poder jugar a esto no a evaluarlo
con diferentes tal y tenemos el dataset pero claro parece que nada impide
también a deep mind coger la misma tecnología que son los bloques
fundamentales que aprendes en un curso de machine learning típico y aplicarlo
al inverse protein folding y entonces tienes algo mucho más interesante mucho
más potente que es vamos a crear proteínas sintéticas vamos a vamos a
diseñar cosas que a lo mejor pues oye yo quiero yo sé que esta estructura puede
mejerme unas propiedades para pues tanto lo que dices tú o el tema de fármacos o
eliminar plásticos en el mar o lo que sea y dame la secuencia aminoácidos y
ahora vamos en laboratorio sintetizar esto y esto justo además lo combino con
otro campo que es el de la cuántica que también está ahí está candente y justo
casualmente ayer hablaba en casa de ignacio crez porque es el que lleva el
podcast de neosfera me comentaba que esta semana o hace dos semanas se han
sincronizado dos publicaciones de por una parte china y por otra parte un país
de aquí de europa pues que habían conseguido por fin sacar procesadores
cuánticos escalables es decir que tú ya puedes empezar a añadir cubits y que no
tiene que lo puedes hacer más lineal porque ahora mismo el problema es que
entre más cubita añades más problema de coherencia estas cosas suceden entonces
hace bastante complejo pero no que ahora ya parece que lo han conseguido y han
presentado incluso algún prototipo de 50 cubits por ahí hostias que empiezas a
combinar esto esto adaptas el problema de la computación del deep learning a un
procesador cuánticos es coño esto esto que a donde nos lleva pues ya yo te de
todo esto te decía de los cubis no lo sé te voy a decir yo me vi el documental este
que te digo de los biohackers es que en el documental sale el que ha inventado el
gen drive y habla y entonces se va a las comunidades y explora aspectos ópticos
luego hay un tío que es brutal o sea en el mundo y tres personas uno como que es
más serio que han hecho que se han hecho su vacuna para el cómic o sea y este
y de uno que es un chaval joven que el tío lleva como una mecha de pelo así un
color y no sé qué se llama yo si a no sé qué yo si algo y en una conferencia
esa mola porque es una conferencia científica de estas y no sé qué y él
como en paralelo en un taller como totalmente hacker dice mira esto es que
parece un chiste de esto no es la típica charla que vais a ver dice y
parece el chiste un chiste que hacía hace mucho tiempo
dice llevo aquí sabor a jeringuilla esto es real es que tienes que documentar
llevo aquí un crisper y saco una foto que igual habéis visto que no sé si
he visto una foto de perros modificados genéticamente en china que se han puesto
un músculo bestial una locura vale y entonces es que esto es como muy brutal
lo que hace coge el tío el este la jeringuilla de el crisper para modificar
eso y hace claca
Miguel Bosé temblando el público y con 5g y el tío lo hace entonces luego
ese tío sale como más sitios no sé qué en el en el claro yo hace tiempo me sale
en hacker news no es que lo siga el mundo este vi que había muerto un
biohacker famoso vale sale en el documental el que se murió se murió por
otra cosa se murió por por una sobredosis pero de estos que sabes que
está como muy de moda en estado en silicon vale el micro dosis de
alucinógenos y este del micro dosis se ve que le puso macro en vez de micro
con un signo no debemos reírnos y bueno este otro el josie a este sí que tiene
su entonces me meto y al frente salen como en el documental como en un
momento salen como la tienda online de que el tío vende y tiene como entonces
digo yo yo lo veo esta es la mía entonces no hay vende que la vende un
poco de juguete pero yo no sé a mí me gusta como como ingeniero así tocoteador
pues yo me gusta como al menos yo no sé por supuesto nada de esto pero pero ver
en qué consiste a ver una una yo sé que todas las películas estas
empiezan así en la casa sólo pensando que hace cuatro años tú dijiste voy a
hacer un curso de diplérate a ver qué es esto el diplérate ha llegado pues me
da miedo en 2024 no no no te voy a reconocer pero es que
es increíble o sea este tío estaba en netflix hablando de esto y no sé qué
luego hay uno que se hace un chico un chaval joven que tiene sida entonces le
hacen como su un tratamiento pues que no le ha funcionado por suerte el chaval
está con fármaco de apoyo que tampoco hoy en día es como los 80 pero el chico
este el tío este está está en twitter no tiene demasiados seguidores no sé
por qué me meto en la página le he comprado el kit de vez en cuando hace
directos con otro que se haga el documental y estoy viendo claro dice un
poco lo que claro son unos renegados estos son unos renegados porque el tío
cree el tío es un poco no sé si tu sabes la historia volviendo a la inteligencia
artificial es un poco como como el famoso geohots este no el jeo como se llama el
de coma punto ahí el vale que este es un genio pero este está totalmente fuera
del sistema fuera del sistema literalmente vale yo me acuerdo cuando
entonces te acuerdas coma punto ahí utilizaba un sistema de conducción
autónoma él salió al principio y hace como 2016 y se fue como con y se había
hecho con poco lo que había yo ahí un coche había pinchado en el bus y ya
controlas el volante sabes como la raspberry había puesto una cámara no
sé qué con raspberry pero tenía un ordenador ahí no sé qué y movía y era
una red convolucionar y con la acción de comportamiento es lo que hacía está
porque la red está publicada y entonces el tío como buen americano
sabes película hecha el ron son yo soy de la justicia o yo no creo en la
justicia en el sentido de no creo en la regulación y entonces claro y ahí estuvo
delante suya a la agencia federal está del transporte y no sé qué y le
darán un toque pero yo lo entiendo al final esta gente es eso de gente muy
talentosa y lo único que hay que tener cuidado es decir evidentemente están
fuera del sistema y lo mismo por muy genio que sea te está vendiendo una
vacuna que no pasa de regulaciones te vende un kit que no tal o también un
sistema de conducción que cual pero claro al final es ese espíritu que en
parte también se echa mucho de menos de maker de meterse en el barro y de sacar
cosas porque realmente les apasionan esos son los que realmente mueven muchas
cosas muchos proyectos open source en internet mucho la propia revolución del
deep learning también se basa mucho en la comunidad que hay en redes y es bonito
en parte es bonito pero bueno hay que saber saber de dónde vienen esta gente
luego luego hay un tema en biología yo sí que te diría que hay un matiz
distinto sabes que es oye el colectivo autónoma bueno pues puede puede tener
un accidente y perfeccionar a alguien que no tiene nada que ver con eso no es un
peatón o sea es raro que eso se pero lo biológico lo malo que tiene es que se
multiplica o sea el tema de sale mal en mi laboratorio no es el problema el
problema es sale mal de laboratorio y se y se y se duplica no sea
me llega a decir que el kit te lo compraste en enero del año pasado y
la cosa cambia de hecho la culpa de este 2020 no pero ahora siempre más está
guay porque él tiene el regalo para navidad para quien queráis vale tiene
de vendes que es más caro vale no compré valía ciento y pico dólares en
era mucho tiene un kit de lo llama como biohacker lab kit que vale como mil
con máquina de pcr con no sé qué no no no o sea es bastante o sea y con el
código dot csv pues podéis tener un descuento
yo no tendría códigos de hecho no de hecho es lo típico que el documental
dice que le envía un kit de estos a alemania y dice que en alemania está
prohibido hacer ciertas cosas con eso de hecho esto está muy bien estamos en este
documental no pero bueno entonces a ver hay muchas revoluciones no está
estamos viviendo muchas la cuántica yo soy incapaz de saber si estamos a un
año a 10 o a 100 soy incapaz para la veo a efectos prácticos yo la veo más
lejos que lo que yo veía el deep learning en el año 97 efectos prácticos
no es como se ha inventado el primer transistor y no se les ha roto sabes
hasta que pueda programar en python pasan otras cosas no yo hay yo hay yo hay
es cierto que hace unos años estaba como tú completamente ciego y ahora estoy
igualmente de ciego pero tengo contactos puntuales con gente que se está metida
trabajando con procesadores cuánticos y tal y me dicen ojo que esto no está tan
lejos o sea se están dando pasos y justo este avance que te comentaba hace un
par de semanas es bastante bastante relevante entonces claro no no tengo la
capacidad de medir la atracción ni es como el deep learning que veo los
resultados inmediatos y digo joder me da igual lo que me puedan decir si es hipe
o no hi porque estoy viendo que esto funciona aquí con eso no lo sé pero me
fío bastante de las voces que o sea que ojo ojo que estamos en la ola están
pasando las fotos llegarán pero estamos en esta ola exacto si ahora estamos en el
learning chicos los otros ya cuando aparezca los otros youtubers haciendo
sus movidas nada para acabar pues creo que lo hemos hablado un poco pero
podemos intentar dejarlo bien de 2020 dentro del campo del deep learning si
tuvieras que hacer un top 3 de mejores avances o noticias o titulares o
progresos donde pondrías que cosa en un top 3 3 como jefe de 3 sería uno no
sería uno luego no sé si el alfafold 2 para mí sería otro lo ordenaría que
pondrías por encima para mí tiene muchos más valoros gpt3
hay que pensar mucho los usos esto es un subvertical pero muy transformador el
alfafold 2 y luego el tercero el tercero me cuesta ver un poco o sea
porque las efficient nets por ejemplo bueno te lo diría por el hardware fíjate
la 3090 efectos prácticos te diría por el hardware 3090 mira lástima que
alfafold no sea alfafold 3 si no teníamos todo con 3 estaría maravilloso pero sí
la 3090 de nvidia el alfafold 2 y el gpt3 porque en imagen hay cosas o sea
sería como quizás podría decir como mira 2020 es el año en el que se han
hecho más se están haciendo mayores los transformers así en plan transversal no
el gpt3 era con transformer alfafold 2 va con transformer y se están viendo en
más luces luego tienes cosas lo que te digo un poco más se empieza noticia
transforme para imagen con las arquitecturas que prometen ser todavía
mejores o sea eso vale pero en plan pragmático en hardware se están
espaciando las generaciones sabes de las tarjetas gráficas entonces tenemos 3090
yo creo que otro salto así igual lo tenemos dentro de dos no en el 21 creo
vale yo ahí añadiría estoy de acuerdo pondría en el top 1 alfafold 2 y ya
hablaré porque en un futuro vídeo en el canal gpt3 tan o sea me parece que es
diferente no al final gpt3 lo que ha demostrado o la tendencia que demuestra
es oye que parece que si hacemos esto más grande si tenemos capacidad de
hardware para hacer esto más grande esto funciona mejor que era una cosa que se
teorizaba con el deep learning pero no habíamos llegado a estas escalas como va
a seguir progresando seguiremos viendo modelos estratosféricos que dejen a gpt3
como algo pequeñito seguramente ya se habla de trillions y más que habrá
yo creo que hasta que no lleguemos a un equivalente en el número de parámetros
al número de neuronas que no tiene por qué representar lo mismo pero se quiere
igualar el número porque somos así de ambiciosos no se va a parar pero claro
demuestra simplemente eso es cierto que lo que ha emergido de gpt3 a mí me
parece la hostia o sea lo que hablamos no de la traducción que se ha colado el
los trans compiladores que te traducen de un código a otro el conector que
convierte esto a poder hablar con las máquinas de manera natural el tema de
los chatbots todo eso me parece muy prometedor y eso se le puede decir a
gpt3 que se le da no la el el ser que el quien lo ha logrado y no tanto por gpt3
en sí sino que yo creo que lo han hecho bien en general no el plan este de hacer
la api pública el poner la herramienta dejar que la gente la pruebe eso yo
creo que ha sido uno de los éxitos de gpt3 alfa fold representa cosas más
serias también alfa fold es oye ha llegado esta empresa a solucionar un
problema de un ámbito muy acotado y de repente no es que despunten es que
dejan al segundo equipo por la mitad para abajo y es comparable a lo que ya
ha pasado en el campo del deep learning con image net y toda esta movida con lo
que ha disparado todo entonces sí me gustaría ver cómo se aplica esto a
otros campos o sea me gustaría a deepmind diciendo pues venga ahora no
vamos a ir a este tema y que apliquen la misma tecnología y a ver qué pasa y
luego en el top 3 pues te hablaría de de una cosa que a mí me encanta que
tampoco es que sea muy impactante pero a ver un campo de estudio interesante que
es todo el tema de nerf que no sé si tú lo has seguido
me apasiona y me parece curioso la idea que hay detrás que también conecta con
un paper que salió que es el tema de las irans que es la función esta
activación que cuando la vi me acordé del tema este de la transformada furier
que tú hablaba de hay como una relación de cosas ahí lo de siren no
llegó a entender del todo el concepto pero lo de nerf sí me sorprende mucho
esta idea de decir oye que si tú coges coordenadas y las conviertes a píxeles
con una red multicapa puedes representar cosas entre te y es como espérate que
está pasando ahí y ahora quiero hacer un vídeo nuevo también de seguimiento de
nerf como ha ido evolucionando en pocos meses porque claro el árbol es nerf y
ahora están todos sacando los frutos maduros y están saliendo un montón de
papers y hay cosas súper impresionantes o sea nerf el paper de hace unos meses
era necesitamos una gran cantidad de imágenes que tengan posición de la
cámara y tal y ahora ya te están hablando que si tú haces un meta
aprendizaje de inicialización de la red puedes con una imagen sacar un render
3d de un objeto y es como espérate
si es como si nos acercamos a que tenemos en el cerebro nosotros para que
tú te puedas imaginar y nunca lo haces bien porque no tienes como no lo
cristaliza no render iza no en un papel y estas redes si se sus como muy fuerte
no yo cuando hagas el vídeo carlos te diría que me encantaría y lo voy a
seguir con mucho interés que es que hagas un zoom a la parte esta del sieno
y el coseno si es que esa que dejado obviado que es todo lo que se relaciona
con siren es que fíjate pero es que si tú al nerf le quitas eso se quedaba
morroso y no es nada intuitivo porque hay que meter el seno y coseno ese yo
creo que es porque lo que hace lo que hace siren igualmente es el modelar la
señal de la del cómo se llama esto lo no bueno las frecuencias exacto en la
parte de frecuencia los detalles más finos eso es lo que consigue modelar
estos senos y cosenos que bueno claro en un vídeo no me he metido porque
directamente es como a ver cómo se ha necesito hacer un vídeo directamente de
siren y explicar toda esa historia para meter lo otro pero es
siempre es que no es intuitivo esa incluso en el transformer cuando
metiendo el coseno porque hace falta meter las dos y no simplemente metiendo
un valor que crezca uno solo conseguiría es lo mismo que es decirle dónde está
ya ya hay algo en el tema de los senos y los cosenos además de que tiene unas
propiedades de que te separa los valores y tal de manera equitativa luego que
puedes aplicar una transformación sobre el seno y el coseno que es lineal que
permite que todo esto funcione pero son cuestiones que la pez con papel y voli
y lo entienden tres matemáticos pero si hay algo ahí no en el tema de la
periodicidad y de todas estas señales de senos y cosenos que va muy bien con
toda la parte de a modelizar señales que al final es todo que tu imagínate el
nerf y otro nivel un poco lo que han hecho también los envidia que es como
una aplicación pero sería como si esta aplicación que sale un año antes hubiera
sido fenomenal que es que seguimos todavía sin vernos a la cara cuando
hablamos a la cámara porque está todo el mundo en el zoom girado y tiene una
pantalla muy ancha tras estar como mirando hacia otro lado no o muy cerca
del monitor y esto de envidia no que te que te recompone la cara y te la de el
otro te ve mirando el recto no imagínate esto si lo combinas con nerf claro
entonces que esto puede ser increíble entonces una cosa que has dicho no que
es yo a mí me gusta pensar que esto fíjate si se acabara la investigación
investigación de aprendizaje profundo hoy yo creo que tenemos para 20 años de
aplicar lo que tenemos hoy si si tal cual tal cual o sea muchos de los grandes
avances tecnológicos que vamos a ver los próximos años no vienen por lo que se
va a investigar sino por lo que ya está investigado desde el 2012 en adelante
es impresionante y con esto pues podemos hacer un cierre espectacular diciendo que
la gente que haga el máster serán estos innovadores que traigan estas
tecnologías serán los que aprendan a crear la industria del futuro 4.0 y
podemos ir cerrando por aquí la charla te iba a preguntar lo último tendencia
futura hacia donde nos movemos en el deep learning si es un pronóstico para el 2021
que se acerca o para la próxima década 2020 2030 bueno de cada no quiero ni
pensar pero pero sí que no pero sí que te digo de 2021 así que veo hay como
esfuerzos divergentes por una parte lo has dicho estoy de acuerdo en modelos
más grandes pero luego también se ve la parte divergente que es para estos
modelos han de ejecutar luego en dispositivos a veces en el móvil o en
ordenadores entonces hay mucho trabajo súper interesante de de cómo hacer los
modelos más pequeños posible entonces lo que llaman las podas de estilar las
podas o sea como hay una serie de entonces esto sí que lo veo cada vez
más o sea a nivel de investigación tal y luego en la práctica igual que en el
mundo del software el ciclo de vida de las empresas de software y de un
ingeniero software está más estructurado en un proyecto de inteligencia
difícil ese ciclo de vida está menos por ejemplo el modelo lo entrenó cada día
cada mes cómo lo despliego cuáles son los test de
regresión que hago que en un software tengo una batería todo esto sabes en
software llevamos ahí 40 años aprendiendo a hacerlo y hoy en día eso
está encapsulado incluso en github te encapsula muchas primitivas que damos
por hechas empezando por el propio jeep sabes
hay versionado de datos por ejemplo debería verlo porque a veces metes un
dato de estos maliciosa entre comillas que sea incorrecto y te destruye el
modelo con que aceptó ese igual de esas mejores prácticas y herramientas no
están entonces creo que más allá de las propias investigación core creo que
falta el equivalente a la gente no le gusta de microsoft pero pero todavía si
sois de programar en linux o windows pues estamos como con el b y el editor
este que es como lo más espartano que existe no el emax de los dos y faltan
herramientas potentes como un visual studio o un vince o cualquier que
queráis no digo esto esto es un poco lo que comenta si no recuerdo mal en una
charla antes de educar carpacit que es una de las cosas que dentro de tesla
han montado muy bien no que es todo no solamente tenemos el machine learning
tenemos toda la infraestructura alrededor que es lo que un poco le da el nombre de
software 2.0 y lo conecto con tu podcast y es eso no falta falta que se
madure todo esto que dentro de lo frenético que está haciendo la evolución
del deep learning en las soluciones muy de laboratorio que sabemos que lo que
son que es código en github y poco más falta el machine learning ops esta
palabra nueva que se empieza a acuñar que todo eso madure y ahí me imagino que
habrá muchas empresas que están ya metiendo mano y y nada bueno pues muy
bien hoy andrés nada como siempre es que es una charla no sé cuánto llevamos
creo que vamos dos horas tres horas pero siempre se hace siempre es así o sea
hablar contigo es como un no parar y nos retroalimentamos y vamos sacando
está bien está muy bueno pues ya sabe la gente que haya llegado hasta aquí que
además de ser unos espartanos y unos unas personas muy entusiasmadas con el
machine learning que tenéis toda la información del máster podéis aprovechar
de la sabiduría de andrés durante meses de enero a junio en este máster no solo
con andrés sino también con aurelia y quien era el otro profesor
y miguel ángel román y miguel ángel román con tres profesionales que
al igual que andrés saben un montón del tema no sólo de la parte técnica sino
de todo lo demás que es súper importante de nuevo les digo que tenéis
la información abajo también os dejo el ancla de twitter de andrés antor no
creo que es en twitter para que le siga antor que todo lo que publica es muy
interesante también os dejaré todos los detalles que hemos ido comentando la la
lista en twitter de gente a la que seguir enlaces y cositas interesantes
abajo en la descripción y de nuevo muchas gracias andrés por por tu tiempo y por
por esta sabiduría que emanas al di carlos y muchas gracias a ti por el
canal y por todo lo que haces