AWS SageMaker - from Zero to Hero
Evento
Conferencista(s)
El repositorio de Github con estos ejercicios es https://github.com/arinarmo/page2sage
Lic. en Mates Aplicadas por el ITAM. Ha consultado para Metros Cúbicos en modelos de pricing y segmentación de clientes, para Grupo Expansión en productos periodísticos y editoriales basados en datos y para Grupo Bursátil Mexicano con sistemas de recomendación de inversiones y roboadvisors. Actualmente es Data Scientist en datank.ai donde busca fusionar la AI Bayesiana y NLP para llegar a una inteligancia conversacional sin los altos costos infraestructurales de una deep convolutional neural network.
El repositorio de Github con estos ejercicios es https://github.com/arinarmo/page2sage
En esta plática, veremos técnicas de lenguaje natural y aprendizaje supervisado encaminadas a contestar preguntas formuladas en lenguaje natural acerca de un set de datos, a través de Deep Learning.
En este webinar daremos una breve introducción a las GANs (Generative Adversarial Networks), una arquitectura de Deep Learning que se utiliza para generar datos nuevos, a partir de ejemplos de datos reales, y construiremos un GAN para generar dígitos similares a los de los datasets MNIST y CelebA.
Requerimiento previo Tutorial de GANs utilizando PyTorch https://github.com/arinarmo/gan_tutorial
El Sistema de Movilidad (SM1) de la Ciudad de México tiene rutas y paradas predefinidas, pero los horarios son controlados por operadores humanos. Los operadores controlan los horarios de salida en base a las condiciones tales como tráfico y condiciones climáticas.