XX machine learning spain meetup

Mañana celebramos el XX machine learning spain meetup y tenemos una programación de lujo para celebrarlo!!

 

Esta es la agenda:

18:30 – Acceso al Auditorio de Campus Madrid.

18:40 – “Mapping Poverty with Machine Learning and Satellite Imagery”.

In developing countries that need the most resources for eliminating poverty, data on poverty is particularly scarce due to the high cost of conducting surveys. This data gap hampers efforts to study and design policies for reducing poverty. Stanford’s Sustainability and Artificial Intelligence Lab has been working towards closing this poverty data gap by estimating consumption expenditure and asset wealth from publicly available high-resolution satellite imagery.

Our initial work focused on five African countries: Nigeria, Tanzania, Uganda, Malawi, and Rwanda. First, we trained a convolutional neural network to learn image features that are useful for predicting nighttime light intensities, a rough proxy for economic wealth. We then optimized the neural network by training on limited survey data. After this two-step process known as transfer learning, the convolutional neural network is able to identify image features which explain up to 75% of the variation in local-level economic outcomes. Finally, we implemented a machine learning pipeline for automating the production of global-scale poverty maps using any dataset or model. This pipeline represents a first step towards creating up-to-date poverty maps to guide nonprofit organizations and policymakers.

Ponente:

• Christopher Yeh

Christopher Yeh is a junior undergraduate at Stanford University and studies computer science with a concentration in artificial intelligence. A native of California, he is currently studying abroad in Madrid’s International Institute for the spring quarter, learning about Spanish culture and improving his Spanish fluency.

He has always been very interested in environmental sustainability. Since joining Stanford’s Sustainability and Artificial Intelligence Lab in 2016, he has helped work on the poverty mapping project, developing a scalable machine learning pipeline for estimating poverty levels in developing countries. In the past, he has interned at Intuit and Apple, working on iOS app development. Outside of academia, he enjoys volleyball, photography, outdoor activities, and playing the cello.

19:30 – “Hidden Markov Models: nuevas aplicaciones para viejos trucos“.

Quien lleve suficiente tiempo atento a los avances en inteligencia artificial recordará que, antes del resurgimiento de las redes neuronales en los últimos años, otras técnicas fueron responsables de muchos avances, y entre ellas HMM ocupó un lugar destacado, sobre todo en lo que relativo al reconocimiento de voz. En esta charla descubriremos cómo, lejos de ser cosa del pasado, HMM sigue siendo una herramienta de machine learning muy relevante, con importantes avances teóricos y nuevas aplicaciones.

Ponente:

• José Luis Hidalgo

Después de muchos años trabajando en multinacionales de consultoría (Accenture) y telecomunicaciones (Ericsson y Huawei), Jose Luis decidió dar el salto al mundo de las start-ups de la mano de Nextail Labs, una empresa española que está revolucionando la logística en el sectore de la moda a base de usar técnicas de machine learning y optimization operativa.

20:20 – ¡Cervezas y networking!

Tomaremos unas cervezas y podremos seguir charlando sobre los temas de interés que salgan en esta jornada.

Nos vemos el martes 13 de junio en Campus Madrid!

 

Social Share Counters

Comments (1)

Ya esta anunciado el meetup de presentación de GDG Cloud Madrid

Google Developers Group Cloud Madrid?

¿Quiéres asistir a la presentación del nuevo Grupo de Desarrolladores de Google Cloud en Madrid?

•  Welcome

•  Website

•  Novedades del Google Cloud Next

•  Comming soon !!!

•  Colaborate

• Networking

Social Share Counters

Comments (3)

Paas: Pigeons as a Service

Ya está subido el video en el que desarrollo la arquitectura del PaaS: Pigeons as a Service.

 

Social Share Counters

Comments (2)

Ya está anunciado el Machine Learning Spain XVIII

Enlace

Machine Learning Spain XVIII

Cuando
viernes 7 de abril de 2017
18:30 – 20:30

Donde 
Auditorio Google Campus Madrid
Calle de Manzanares, 1, Madrid (mapa)

Descripción

Hola amigos de ML Spain, ya tenemos el planning para el siguiente meetup. Tenemos novedades ya que se va a dar por primera vez un taller, a petición de algunos de vosotros. Si os resulta interesante se harán más en los siguientes meetups. La fecha programada es el día 7 de abril (viernes) a las 18:30h en Campus Madrid. Tenemos el taller a primera hora y una charla sobre Deep Learning posteriormente. La evolución del evento y algunas fotos estarán en la cuenta de Twitter @ml_spain. La agenda será la siguiente.

18:30 – TALLER: Iniciación a Caret.

18:35 – “Tutorial del paquete caret para R”.

En este taller se presentará de manera práctica las capacidades principales del paquete caret, centrado en el preprocesado de datos y entrenamiento, ajuste y evaluación de modelos de Machine Learning. Si se desea seguirlo en directo, se recomienda traer un portátil propio. El código se facilitará antes de la celebración del Meetup.

Ponente:

• José Manuel Navarro

Es Ingeniero de Telecomunicación y, actualmente, doctorando en el Departamento de Ingeniería de Sistemas Telemáticos de la Escuela de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid. Su área principal de investigación es la aplicación de Machine Learning a la gestión de redes y programa (casi) a diario en R.

19:40 – “Deep Learning para Visión Artificial con MATLAB”.

El reconocimiento de objetos es clave para el desarrollo de sistemas punteros como vehículos autónomos, equipos de rescate basados en imágenes y robots autónomos. En los últimos años, el Aprendizaje Profundo o Deep Learning se ha consolidado como uno de los métodos más precisos para llevar a cabo reconocimiento de objetos, llegando en ocasiones a mejorar el rendimiento humano. En esta charla, abordaremos los retos habituales en Deep Learning para Visión Artificial, utilizando ejemplos reales en los que es necesario manejar millones de imágenes para entrenar satisfactoriamente una red neuronal convolucional.

Ponente:

• Lucas García

Es Senior Application Engineer en MathWorks especializado en Machine Learning y Big Data. Matemático de formación, trabaja con usuarios de MATLAB en todas las industrias para ayudarles a resolver problemas en áreas como Data Analytics y mantenimiento predictivo. Durante varios años ha sido también ingeniero de formación en MathWorks. Antes de unirse a MathWorks en 2008, fue desarrollador en Indizen e investigador en el INE y CSIC-MNCN. Su investigación está centrada en el uso de redes neuronales artificiales para resolver problemas de optimización combinatoria.

20:30 – ¡Cervezas y networking!
Tomaremos unas cervezas y podremos seguir charlando sobre los temas de interés que salgan en esta jornada.

Nos vemos el viernes 10 de febrero en Campus Madrid.

Social Share Counters

Comments (4)

Entrevista de Rosa Jiménez Cano durante Google Next’17

He añadido la lista de vídeos la entrevista que me hizo la enviada especial de El País en Silicon Valley Rosa Jiménez Cano (@petezin por si todavía no la seguís en twitter).

Fué una entrevista en streaming durante el evento que celebró Google sobre cloud en San Francisco: Google Next’17.

En vídeo explico mi versión de cuales son la diferencias entre la inteligencia artificial y machine learning (no termina de gustarme nada llamarle aprendizaje automático 😉 que yo creo que se merece un post aparte y detallado.

 

Social Share Counters

Comments (3)

Participaré en el meetup de Big Data y Machine Learning que organiza IBM

El próximo día 29 de marzo participaré en el meetup de big data y machine learning que organiza IBM.

Hablaré sobre el proyecto personal que estoy empezando: Boosterme

La idea básica es explorar como generar gráficos de conocimiento personalizados. Uno de mis problemas es que veo/leo mucha información y por supuesto me desborda. Por otro lado es imposible, para mi, organizarla y luego poder usarla adecuadamente.

La idea de Boosterme es generar un gráfico de conocimiento que luego me permita extraer la información que me interesa. De esto es de lo que hablaré en el meetup y estará enfocado sobre todo al proceso de ideación y como estoy organizando la arquitectura que por supuesto va a estar basada en el modelo propuesto por Jay Kreps: Kappa.

Ahh y ya se que google y otras empresas tienen gráficos de conocimiento super potentes pero a mi me interesa solo lo que me interesa no todo el conocimiento y determinado por un espacio temporal 😉

Por otro lado la posibilidad de fusionar gráficos de conocimiento con otras personas puede ser muy interesante. Generación de inteligencia colectiva como bien enseñó Felipe Knowler.

Poco a poco ire compartiendo más detalles y más información que da para unos cuantos posts.

 

Social Share Counters

Comments (2)

Como se usa Machine Learning en Google por Rob Craft

Como se usa #machinelearning en Google. Me ha llegado este vídeo vía O’reilly y quería compartirlo con vosotros.

Lo hemos publicado en GDG Cloud Madrid. Por cierto, ¿te has apuntado al meetup de presentación del grupo?

Social Share Counters

Comments (1)

Google me ha nombrado GDE para cloud

Haber sido elegido como GDE (Google Developer Expert) es todo un honor.
Ser reconocido por Google y formar parte de este grupo de profesionales es una oportunidad y un privilegio que no suele ocurrir muchas veces en la vida.

Es obvio que pienso vivirlo con la intensidad que se merece 😉

Por supuesto esto no habría sido posible sin todo lo que me ha enseñado tanta gente por el camino, por los que confiaron en mi y por supuesto por los que me recomendaron e hicieron de mentores en este proceso.

Muchas gracias a todos.

Social Share Counters

Comments (8)

Meetup Machine Learning Spain: ya están los videos del meetup de diciembre

Social Share Counters

Comments (1)

Machine Learning Spain XVI

Se acaba el año y qué mejor forma de acabar que con un nuevo meetup antes de las fiestas de Navidad. El siguiente meetup será el día 20 de diciembre (martes) a las 18:30h en Campus Madrid. Tenemos dos charlas aplicadas a sectores realmente interesantes: la primera relacionada con modelos aplicados a la publicidad y la segunda sobre el Hackaton Pythonhack organizado por Cajamar (aplicación real sobre banca).

La agenda será la siguiente.

18:30 – Acceso al auditorio. Calle de Manzanares, 1.

18:40 – “Medición de impacto de la actividad publicitaria”

Esta charla se enfoca en el uso de los modelos de ML en el sector de la publicidad, con especial atención al uso de series temporales. Con un enfoque práctico, hablarán del impacto que tienen las campañas publicitarias sobre los resultados del negocio, así como de algunos efectos importantes, como estacionalidad, festivos, promociones, etc…

Ponentes:

•Alfonso Salafranca.Director de Data Science en Havas. 15 años de experiencia en Modelización y Análisis de datos.
Matemático por la Universidad Autónoma de Madrid y Profesor asociado a la Universidad Carlos III. Inicio su carrera en analítica en consultoría primero en Bayes Forecast y posteriormente en Neo-Metrics.  En BBVA ocupó las posiciones corporativas de Analytic Consumer Insights y Head of Innovación en Global Risk Managment.
Desde el año 2011 su principal actividad ha estado relacionada con el mundo de la publicidad, primero con el Lanzamiento de YPerform y la construcción de un departamento de Marketing Intelligence para Ymedia y desde 2016 como Director de Data Science en el grupo Havas. Ha trabajado para anunciantes como Recoletos grupo editorial, Movistar, Bankinter, BBVA, VIvus, Ing Direct, Jazztel y Rastreator. Conferenciante en Universidades y  Escuelas de Negocio, ha publicado diferentes artículos de Analytics y Modelización.

• Andriy Tkachenko.Data Scientist con 3 años de experiencia en Modelización y Análisis de datos en Havas. Licenciado en Ciencias Económicas y Empresariales por la Universidad Complutense de Madrid. Experiencia en el sector de la publicidad como analista de datos en departamentos de investigación/modelling. Trabajando en varios proyectos de modelling para clientes como Jazztel, Gas Natural, Prosegur, Ikea, La Nevera Roja.
R Enthusiast, desarrollando herramientas propias de modelización y visualización de datos con el lenguaje de programación R. Participa activamente en las conferencias, locales y nacionales, relacionadas con el análisis de datos y programación en R.

19:30 – “Presentación mejores trabajos Cajamar PythonHack 2016”.

Presentación de los dos proyectos ganadores en la PythonHack 2016 (más información aquí) organizada por el Grupo Cajamar a través datos reales de la entidad. Los proyectos presentados cubren dos retos: uno de modelado (Predictive Modelling) y otro de análisis exploratorio/storytelling (Credit Card Analytics).
Los proyectos Big Data son uno de los núcleos de la estrategia de innovación del Grupo Cooperativo Cajamar. Es por ello que impulsan la creación del Cajamar Data Lab, un equipo de especialistas dedicado a maximizar el potencial de los datos. En Cajamar Data Lab estamos convencidos de que la analítica avanzada es el ingrediente clave para la creación de productos y servicios del futuro.
Cajamar PythonHack 2016 es la competición online de analítica de datos en base a datos bancarios reales del Grupo Cajamar organizada con motivo de la PyConES. La PyConES es un evento de tres días de duración que se celebró los días 7,8 y 9 de octubre de 2016 en Almería, en el que se dieron cita profesionales del lenguaje de programación Python que difunden su experiencia en varias sesiones de charlas técnicas.

Ponentes equipo 1:

• Javier Abadía. Lead Developer, más de 15 años liderando equipos de desarrollo y ‘predicando’ sobre desarrollo de software. Firme convencido de que el software debe tener 0 bugs, y de que lo que funciona son los métodos ágiles, las pruebas en modo paranoico, la automatización y sobre todo el trabajo en equipo. Esquiador y corredor, ha decidido divertirse desarrollando la mejor plataforma de analíticas que se haya visto nunca. Ingeniero en Informática por la Universidad de Zaragoza y MBA por el Instituto de Empresa.

• Alicia Pérez. Backend Developer, Ingeniera informática por la Universidad Complutense de Madrid y Máster en Data Science por la escuela MBIT. En sus 9 años de experiencia ha trabajado para varias empresas y con numerosas tecnologías, pero desde 2015 disfruta trabajando en la parte back-end de StyleSage, donde la moda y el Big Data se unen para dar lugar a una increíble plataforma de analíticas. Amante de los datos (sobre todo geográficos), del trabajo en equipo, del patinaje y del queso.

• Jose Mª Álvarez. Comenzó su carrera hace más de 15 años en grandes compañías como Motorola o Telefónica, después de terminar Ing. Informática en la URJC de Madrid. En los últimos años, ha participado en numerosos proyectos de Startups en campos como la ciberseguridad, la educación y la sanidad enfocada al envejecimiento activo. Hace 2 años, se unió a Stylesage donde trabaja como Backend Developer en la parte extracción y análisis de datos.
Ponente del equipo 2:

• Óscar González. Doctor Ingeniero de Telecomunicación. Data scientist en ETS Asset Management Factory.

20:30 – ¡Cervezas y networking!

Tomaremos unas cervezas y podremos seguir charlando sobre los temas de interés que salgan en esta jornada.

Nos vemos pronto, el 20 de diciembre en Campus Madrid.

Social Share Counters

Comments

« Previous entries