La IA está transformando diversos sectores, materias primas y funcionalidades fundamentales. Sin embargo, las redes neuronales profundas consumen recursos excesivos en términos de memoria, potencia de cálculo y energía. Para garantizar la adopción generalizada de la IA, ésta debe funcionar eficientemente en los dispositivos de los usuarios finales, respetando estrictas limitaciones energéticas y térmicas. Técnicas como la cuantización y la compresión desempeñan un papel fundamental para mitigar estos retos.

En este seminario web, el director de producto de Sony, Amir Servi, te guiará a través del kit de herramientas de compresión de modelos de Sony para cuantizar y acelerar modelos de aprendizaje profundo para un despliegue eficiente en los bordes. Aprenderás a hacer lo mismo con tu propio modelo. Lo que aprenderás

- Nuestras últimas investigaciones en técnicas de cuantización y su aplicación en un producto práctico

- Importancia de la compresión consciente del hardware para la inferencia en el borde

- Cómo pueden los ingenieros e investigadores aplicar estas técnicas a través del MCT de Sony

Los recientes avances en visión por ordenador se han visto impulsados significativamente por la introducción de la arquitectura de transformadores y las abstracciones fáciles de usar para preentrenar, afinar e inferir en la biblioteca de transformadores 🤗. Esta charla ofrece una visión general de los últimos modelos de visión basados en transformadores, explora las utilidades disponibles en la biblioteca de transformadores 🤗 y ofrece una visión práctica de la filosofía que hay detrás.

¿Cansado de las largas colas en las cajas? ¡Nuestro sistema de Gestión Inteligente de Colas es la respuesta! Acompáñanos en un tutorial paso a paso sobre cómo crear un sistema de este tipo utilizando OpenVINO y YOLOv8. Te guiaremos a través del proceso de integración de estas potentes herramientas de código abierto para desarrollar una solución integral que pueda implantarse en entornos de caja minorista. Aprenderás a optimizar la aplicación para conseguir un rendimiento excepcional. Tanto si eres un desarrollador experimentado como si eres nuevo en la IA, esta sesión te proporcionará consejos prácticos y las mejores prácticas para construir sistemas inteligentes utilizando OpenVINO. Al final de la presentación, tendrás los conocimientos y recursos necesarios para construir tu propia solución.

En una era definida por los rápidos avances de la inteligencia artificial (IA), navegar por el panorama ético de esta tecnología es primordial. En esta sesión, Mónica desentrañará la intrincada red de dilemas éticos que acompañan al poder transformador de la IA. Desde abordar la parcialidad y la imparcialidad hasta explorar la transparencia, la responsabilidad y el profundo impacto de la IA en la sociedad, Mónica aportará ideas que arrojarán luz sobre las consideraciones éticas que rodean a la IA.

Esta charla es tu oportunidad para adquirir una comprensión fundamental de los retos éticos y las responsabilidades asociadas a la IA. Mónica te dotará de conocimientos esenciales para cualquiera que participe en el desarrollo de la IA, la toma de decisiones o la formulación de políticas.

Los Modelos Fundamentales pueden ser exigentes en términos de computación de la GPU y pueden no ser adecuados para aplicaciones en tiempo real, especialmente si quieres escalar millones de Puntos de Compra Autónomos. Pero nosotros aprovechamos el método llamado destilación del conocimiento, en el que ponemos nuestros modelos de base para tareas complejas como las anotaciones y transferimos este conocimiento a modelos más pequeños y rentables. Esto nos permite acelerar nuestro proceso de anotación hasta 90 veces más rápido que el etiquetado tradicional humano.

Pssst. ¿Quieres oír un secreto? ¿Y si te dijera que el aprendizaje activo no tiene por qué ser difícil? ¿Y si hubiera... una forma fácil? Estás de suerte. Esta charla te mostrará exactamente cómo poner en marcha un canal de aprendizaje activo utilizando el motor de datos de DagsHub. Y el 90% del proceso puede ejecutarse directamente en un cuaderno Jupyter o en Google Colab. Al final de la charla, tendrás la información necesaria para convertir tu proyecto actual en uno que utilice el aprendizaje activo para mejorar eficaz y rápidamente las métricas de tus modelos.

Utilizar herramientas de código abierto con YOLOv8 puede ayudarte a poner en marcha tu próximo proyecto de IA de visión, rápidamente. Existen repositorios de imágenes de código abierto, bibliotecas para ayudar a automatizar el etiquetado de datos, herramientas para el seguimiento o el recuento, y servidores para desplegar tus modelos. Aprende a utilizarlos con YOLOv8 para construir tu próxima aplicación.

Se espera que la actual carrera mundial por conseguir sistemas de inteligencia artificial (IA) más grandes y mejores tenga un profundo impacto social y medioambiental al alterar los mercados de trabajo, trastornar los modelos empresariales y permitir nuevas estructuras de gobernanza y bienestar social que pueden afectar al consenso mundial sobre las vías de acción climática. Sin embargo, los actuales sistemas de IA se entrenan con conjuntos de datos sesgados que podrían desestabilizar a los organismos políticos que influyen en las decisiones de mitigación y adaptación al cambio climático y comprometer la estabilidad social, lo que podría provocar acontecimientos sociales de inflexión. Por tanto, el diseño adecuado de un sistema de IA menos sesgado que refleje los efectos directos e indirectos sobre las sociedades y los retos planetarios es una cuestión de suma importancia.

La cuantización de los modelos de aprendizaje automático (ML) puede suponer una disminución significativa del tamaño del modelo, así como una reducción de la latencia de la inferencia debido a la menor necesidad de ancho de banda. Cuando se implementa en opciones de hardware que admiten cálculos enteros de forma eficiente, las ganancias de rendimiento pueden ser aún más espectaculares. Sin embargo, la cuantización puede provocar a veces una degradación inaceptable de la precisión. En esta charla, presentamos una visión general de los métodos para cuantizar eficientemente los modelos YOLOv8 , convirtiéndolos en una opción excelente para diversas aplicaciones de IA de borde en tiempo real. También presentamos una clase de modelos YOLOv8 con función de activación ReLU6 que muestran excelentes resultados de cuantización tras el entrenamiento en una variedad de arquitecturas de modelos y conjuntos de datos. Por último, ilustramos cómo los modelos cuantizados pueden desplegarse en múltiples opciones de hardware, como CPUs, TPUs Edge y Orca (el acelerador HW de IA de DeGirum) utilizando APIs sencillas.

Ultralytics es el hogar de los modelos de visión por ordenador más avanzados para tareas como la clasificación de imágenes, la detección de objetos, la segmentación de imágenes y la estimación de posturas. Weights & Biases es una plataforma de MLOps para desarrolladores que, cuando se integra con un flujo de trabajo de Ultralytics , nos permite gestionar fácilmente nuestros experimentos, los puntos de control de los modelos y visualizar los resultados de nuestros experimentos de una manera intuitiva y perspicaz. En esta sesión, exploraremos cómo podemos sobrecargar eficazmente nuestros flujos de trabajo de visión por ordenador utilizando Ultralytics y Weights & Biases.

Aprende cómo creamos PatentPT, una solución avanzada de modelos lingüísticos que mejora enormemente las capacidades de búsqueda e interacción de patentes. La presentación ofrece conocimientos prácticos sobre el ajuste y despliegue de grandes modelos de lenguaje y el aprovechamiento de agentes de memoria de nivel empresarial para autocompletar patentes, generar resúmenes y reivindicaciones, y llevar a cabo funciones avanzadas de búsqueda de patentes utilizando el rico corpus de patentes. Te guiaremos por cómo desarrollar una solución similar utilizando Deep Lake de Activeloop, la base de datos para IA, modelos LLM de código abierto, hardware Habana Gaudí HPU y las API de inferencia LLM de Amazon Sagemaker.

Te guiaremos a través de los planos de arquitectura y de todos los pasos que dimos para construir la solución: desde el entrenamiento de nuestro modelo LLM y su puesta a punto, hasta la creación de funciones personalizadas y el despliegue de API de búsqueda.

Tanto si eres un profesional de la IA que busca guías prácticas para perfeccionar los LLM, como si eres un profesional del derecho interesado en aprovechar la IA para la búsqueda de patentes, o simplemente sientes curiosidad por el futuro de las soluciones mejoradas por la IA, nuestra charla te permitirá echar un vistazo al proceso y al potencial del uso de los LLM en un campo especializado. Acompáñanos mientras compartimos nuestro viaje en la creación de aplicaciones personalizadas potenciadas por LLM e impulsadas por Deep Lake, la Base de Datos de IA para empresas grandes y pequeñas.