SG Buzz

Ciudadano digital en la era de la IA

Ivett Sanchez — Thu, 03 Oct 2024 16:25:20 +0000

Ciudadano digital en la era de la IA

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Thu, 10/03/2024 - 10:25

Conferencista(s)

Melany Estevez

Nos encontramos en los inicios de la era de la IA. En el mundo interconectado de hoy, ser un buen ciudadano digital es más importante que nunca. Ya sea que navegue por las redes sociales, comparta contenido en línea o proteja su privacidad, comprender los principios de la ciudadanía digital es crucial.

Fecha de sesión

Wed, 07/10/2024 - 12:00

Mejorando un chatbot con IA para el tema de proporcionalidad

Ivett Sanchez — Thu, 03 Oct 2024 16:21:08 +0000

Mejorando un chatbot con IA para el tema de proporcionalidad

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Thu, 10/03/2024 - 10:21

Conferencista(s)

Arleth Misuki Roque

En esta charla te mostraré DialogFlow, una herramienta lowcode que permite aplicar reglas lógicas y procesamiento de lenguaje natural para crear un agente conversacional para atención a clientes y, en este caso, para reafirmar conocimiento específico sin desviarse a otros temas que podrían distraer al estudiante.

Fecha de sesión

Wed, 07/10/2024 - 12:00

El arte de liderar: Construye equipos de IA imparables

Ivett Sanchez — Thu, 03 Oct 2024 15:54:45 +0000

El arte de liderar: Construye equipos de IA imparables

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Thu, 10/03/2024 - 09:54

Conferencista(s)

Brenda Galicia

En un mundo cada vez más impulsado por la Inteligencia Artificial (IA), la capacidad de liderar equipos de desarrollo en este campo es crucial para el éxito. Esta charla proporcionará a las asistentes las habilidades y conocimientos necesarios para liderar equipos de IA de manera efectiva, permitiéndoles alcanzar sus objetivos y crear soluciones innovadoras.

Fecha de sesión

Wed, 07/10/2024 - 12:00

Interfaces Diegéticas

sg — Thu, 03 Oct 2024 14:51:13 +0000

Interfaces Diegéticas

sg Thu, 10/03/2024 - 08:51

La cámara está en la calle, justo enfrente de la entrada del metro de Tuileries en París. Lonely Blue Boy suena en el fondo, canción de Conway Twitty. Cortamos al interior de la estación. La música cambia con la escena, un guitarrista toca una melodía dentro de la estación de metro. Del lado superior izquierdo de la pantalla irrumpe la nuca de Steve Buscemi que voltea hacia el lado contrario de nosotros y después hacia cámara. Luce confundido. Así, en once segundos, los hermanos Coen nos han mostrado un ejemplo de música no diegética y diegética respectivamente. El corto es Tuileries, la película es Paris je t’aime.

Esa palabra «diegética» suena rara, y muy técnica. Yo la conocí en clase de cine ─gracias al cortometraje que menciono─ y el término viene de diégesis, que en un contexto cinematográfico puede definirse como: El mundo del filme y todo dentro de él. Sin embargo, el concepto se remonta a la antigua Grecia y se refiere a la historia y cómo el narrador la presenta.

Entonces, si lo diegético es el mundo del filme y todo dentro de él, en el cortometraje de los hermanos Coen, la guitarra que escuchamos es un claro ejemplo de música diegética. Vive dentro de la escena y los personajes pueden escucharla. La música no diegética sería la canción de Lonely Blue Boy que escuchamos al inicio ─esta música está sobrepuesta y no la pueden escuchar los personajes en el filme─. ¿Se imaginan que Darth Vader pudiera escuchar su marcha cada que entra al cuarto?

Pues bien, la distinción es sumamente útil en un campo que ha tomado prestados términos y técnicas del mundo del cine: los videojuegos. Particularmente en el campo del diseño de interfaces. Para esta conversación: Cualquier cosa con la que el usuario tenga contacto, es una interfaz, por lo que el control con el que una persona juega, es una interfaz física. Todos los botones que aparecen en pantalla son interfaces también, interfaces digitales y aquí es donde se hace la diferencia entre lo diegético y lo no diegético.

En este contexto, la interfaz diegética es toda aquella (botones, barras de nivel, letreros, etc.) que ocurra dentro del mundo del videojuegos y que los personajes puedan ver: jarrones dentro de los cuales se encuentren joyas o tesoros, armas que el jugador pueda recoger, botones para operar maquinaria dentro de la escena, etc. Se complica: el personaje que el usuario controla (PC) y los personajes con los que interactúa (NPCs) también son interfaces, pero desvarío.

Los elementos que los personajes no verían dentro del juego, pero que son útiles para el jugador, barras de vida, alertas, opciones que se despliegan en algunos juegos cuando un jugador pulsa pausa, etcétera. Todos estos son ejemplos de interfaces no diegéticas, y la distinción es vital para los diseñadores.

Repasemos: Un viejo mago te da una espada para seguir tu ruta: diegético; una combinación de botones a presionar para realizar un combo que destruirá a tu oponente: no diegético; la serie de tetriminos desaparece con un efecto especial: diegético; aparece un letrero en pantalla con tu puntuación y un mensaje de: ¡Bien hecho! No diegético. Creo que entendemos la idea.

Esta distinción se usa cuando estamos diseñando la experiencia que brindará el juego, pues si queremos inmersión (que el jugador se sumerja tanto en el juego que crea que lo está viviendo) lo ideal es que la mayoría de cosas sean diegéticas, al final del día, así es como experimentamos la realidad ─no vemos barras de vida en frente de las personas que nos encontramos, ni botones con etiquetas ni nada de eso─. Lo no diegético se usa para información, sin la cual, el usuario no podría pasar los niveles. Pues un nivel demasiado difícil, se vuelve frustrante y termina sin disfrutarse. La idea es llevar a los jugadores al llamado estado de flujo, del que hablaré en otra columna.

Gustavo Reyes

La Inteligencia Artificial y la deuda técnica: Cómo prevenirla y manejarla

Ivett Sanchez — Mon, 30 Sep 2024 18:53:41 +0000

La Inteligencia Artificial y la deuda técnica: Cómo prevenirla y manejarla

Ivett Sanchez Mon, 09/30/2024 - 12:53

Resumen.- La deuda técnica es ineludible, pero existen estrategias que podemos poner en práctica para minimizar antes de que ocurra y resolverla una vez que existe. Estas mismas aplican también a las nuevas soluciones que utilizan Inteligencia Artificial, pero existen algunas consideraciones adicionales que la experiencia nos está enseñando.

¿Qué es la deuda técnica?

Cuando hablamos de deuda técnica en desarrollo de software, nos referimos a asuntos pendientes o inconclusos de un proyecto que esperamos sean resueltos en un futuro próximo. Para tomar prestada una metáfora apta, es como una tarjeta de crédito: inicialmente puede parecer manejable, pero el "interés" (trabajo adicional) se acumula rápidamente. Podríamos decir que en general es el resultado de escribir código abusando de atajos para cumplir con plazos, el desarrollo apresurado y la reutilización de código obsoleto. ¹

En el ámbito de las nuevas soluciones basadas en Inteligencia Artificial, podemos añadir como causa que estamos trabajando con tecnologías nuevas; algunas tan nuevas que los motores de IA se ofrecen en versiones preview. Por lo mismo, nos abrimos camino en descubrir qué funciona mejor y más rápido y qué no; y a veces no es posible saberlo durante el desarrollo de un proyecto determinado por tiempos de entrega estrictos.

Nada es gratis en la vida. Naturalmente, la deuda técnica resulta en software por debajo de un estándar bueno, más lento, con funcionalidades limitadas y costos de mantenimiento más altos. ²Me gustaría revisar algunas buenas prácticas para prevenir la deuda técnica y resolverla, y reflexionar acerca de cómo cambia el panorama con proyectos que giran en torno a la IA.

Prevenir la deuda técnica

Cierta cantidad de deuda técnica es inevitable, pero podemos minimizar con varias estrategias proactivas. Lo esencial es priorizar la calidad del código; es decir, escribir código limpio, bien organizado y documentado, lo que desde el inicio reducirá errores y facilitará su solución. Esto se debe complementar con pruebas automatizadas: pruebas unitarias y de integración para detectar bugs temprano. Asimismo, es importante aprovechar la experiencia del equipo de trabajo y hacer que otros desarrolladores revisen el código antes de fusionarlo con la rama principal. También es útil hacer uso de métricas generadas por distintas herramientas y plataformas como Sonar Cloud para medir la complejidad del código, la cobertura de pruebas y la tasa de errores. Finalmente, estas estrategias deben siempre pasar por la consideración de los objetivos de negocio a largo plazo. ³

Pensando a nivel organizacional, más allá de uno o varios proyectos en particular, consideremos que el rigor, las metodologías y los procesos son fundamentales. Cualquier empresa vinculada a TI debe apegarse a modelos de mejores prácticas o procesos como DevOps, MLOps (para el aprendizaje de máquinas, sobre el cual he hablado en artículos anteriores), ITIL, ITSM, COBIT, TOGAF, etc.⁴

Más allá de la deuda técnica que se genera a partir de un proyecto, existen ocasiones en que nuestra organización migra de plataforma o cambia radicalmente sus procesos, y estos cambios pueden resultar en lo que los autores Sundar Subramanian y Mohib Yousufani llaman “deuda procesal”. Para estos casos, cabe mencionar los siguientes puntos para la gestión de la deuda procesal:

Mapear procesos de extremo a extremo: Identificar y categorizar los procesos de la organización según productos o flujos de valor y evaluar su necesidad y valor.
Determinar quién es el más adecuado para cada proceso: Decidir qué trabajo debe ser manejado internamente y cuál puede ser externalizado.
Crear una "fábrica digital": Establecer un equipo con capacidades de estrategia de productos, diseño, ingeniería de datos, ciencia de datos y automatización para reimaginar los procesos.^4. Reskilling de empleados: Capacitar a los empleados para apoyar los nuevos procesos. 5. Adoptar una mentalidad interactiva y de aprendizaje: Gestionar estos programas de cerca para asegurar la adopción adecuada y ajustar según sea necesario.⁵

Resolver la deuda técnica

Ya que cierto grado de deuda técnica es inevitable, ¿qué prácticas podemos adaptar para abordarla, más allá de la atención de bugs o hotfixes cuando ya no se pueden postergar más?

Una buena opción sería establecer una semana de refactorización, cada cierto número de sprints para resolver errores, evaluar la arquitectura actual y prepararla para futuras funcionalidades y características. Esto da tiempo al equipo para mejorar el código antes de adentrarse en implementar algo nuevo.

Esto iría de la mano de reuniones de retrospectiva para compartir conocimiento del proyecto y formar un entendimiento compartido del código y sus limitaciones.

Como complemento, podríamos hacer uso de diversas herramientas para rastrear la deuda técnica en el mismo editor. 6 Aunque el uso de herramientas de administración de proyectos o análisis estadístico es popular, actualmente sólo 7% de los ingenieros utilizan herramientas de deuda técnica. ⁷

Consideraciones para el ámbito de soluciones de Inteligencia Artificial

En mi experiencia en Mobiik, empresa en la que nos esforzamos por innovar y aprovechar las tecnologías más recientes, puede ocurrir que algún recurso o método de IA no funcione como se esperaba al escalar en ambiente productivo y se tenga que evaluar el uso de algún otro para mejorar el desempeño de la solución; por ejemplo un motor de IA para chat completo o creación y búsqueda de vectores o embeddings. Como mencionaba, algunos de ellos son de tan recién liberación que se encuentran en estatus de preview. Esto no significa que no sean los adecuados, pero sí nos obliga a revisarlos lo mejor posible antes de comprometernos con ellos, debido al riesgo mismo que implica toda innovación.

En fase de desarrollo, es también buena idea introducir logs exhaustivos para cada paso del proceso. Esto se debe a que algunos aparentes errores se pueden deber a la “creatividad” o variabilidad de las respuestas de la IA, lo cual es un elemento nuevo en las soluciones de TI. Debemos descartar cualquier otro fallo de código o infraestructura antes de llegar al punto de atribuirlo al indeterminismo de la IA. Si concluimos que algún fallo frecuente se debe a esta característica de la IA, entonces nos veremos forzados a probar con modelos o versiones distintas de la misma.

De modo similar, es importante vigilar desde fases tempranas de desarrollo los tiempos del flujo con librerías de medición de tiempo, especialmente para los proyectos en los que la velocidad es importante. Por ejemplo, un chatbot, donde el usuario espera una respuesta, no debería tardar más de unos 5 segundos, o 10 si se le solicita una tarea compleja. Lo mismo aplicaría para un proceso pensado para largo tiempo; por ejemplo, el análisis con IA de tablas en base de datos hilera por hilera. En este caso no esperaríamos que tardará segundos, pero si no controlamos los tiempos, se puede prolongar horas o días dependiendo del tamaño de la base de datos a procesar.

Espero que este artículo te haya sido útil y te haya dado una mejor comprensión del tema. Si tienes alguna pregunta o comentario, no dudes en ponerte en contacto conmigo. Me gustaría ayudarte a alcanzar tus objetivos de tecnología de la información y a brindarte soluciones innovadoras y eficaces para tus proyectos. ¡Gracias por leer!

Imagen: Pago con tarjeta de crédito cibernética y futurista. Autor: DALL-E.

Andrés Hernández

BalBot: Mi propio diseño de chatbot sobre temas de proporcionalidad

Ivett Sanchez — Wed, 04 Sep 2024 23:26:03 +0000

BalBot: Mi propio diseño de chatbot sobre temas de proporcionalidad

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Wed, 09/04/2024 - 17:26

Conferencista(s)

Adriana Martinez

code4dei

Tras un examen de valoración sobre conocimientos previos para comenzar una materia, algunos estudiantes manifiestan olvido de ciertos temas importantes por lo que, parte del tiempo utilizado para refrescar esos conocimientos, puede rescatarse usando un chatbot dedicado a dar respuestas exclusivas sobre los temas previos relacionados con la materia. En esta charla, te contaré más acerca de cómo creé BalBot, mi propio chatbot para resolver esta problemática.

Acerca del conferencista

Fecha de sesión

Wed, 07/10/2024 - 12:00

Prompt engineering: La llave maestra para aprovechar al máximo la generative IA

Ivett Sanchez — Wed, 04 Sep 2024 23:18:42 +0000

Prompt engineering: La llave maestra para aprovechar al máximo la generative IA

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Wed, 09/04/2024 - 17:18

Conferencista(s)

Elizabeth Fuentes Leone

code4dei

En esta emocionante charla, exploraremos el fascinante concepto del ““prompt engineering””, clave para desbloquear el potencial de la inteligencia artificial generativa. Aprenderemos qué es, su importancia y cómo utilizarlo efectivamente. Experimentaremos con Jupyter Notebooks, creando prompts y observando cómo los modelos de IA responden. Asiste y aprende esta revolucionaria técnica que está transformando la interacción con los sistemas de IA generativa.

Fecha de sesión

Wed, 07/10/2024 - 12:00

Más allá del algoritmo: Cultura empresarial como puente hacia la IA

Ivett Sanchez — Wed, 04 Sep 2024 23:09:07 +0000

Más allá del algoritmo: Cultura empresarial como puente hacia la IA

Evento

Dev Day 4 Women Edición Inteligencia Artificial

Ivett Sanchez Wed, 09/04/2024 - 17:09

Conferencista(s)

Marian Suarez

code4dei

“Más allá del algoritmo: Cultura empresarial como puente hacia la IA” se adentra en cómo la cultura empresarial puede catalizar la adopción exitosa de la inteligencia artificial (IA). Marian Suárez, CMO de Mobiik, destaca que más allá de la tecnología, una cultura corporativa alineada con valores de innovación y colaboración es crucial para integrar la IA eficazmente.

Esta conferencia explorará estrategias para cultivar un entorno donde la adaptabilidad y el aprendizaje continuo faciliten superar las barreras tecnológicas y humanas hacia la IA. Con ejemplos de Mobiik, Marian demostrará cómo una cultura proactiva no solo apoya la adopción tecnológica, sino que también guía la transformación digital de manera ética y humana, preparando a las empresas para liderar en el futuro tecnológico.

Fecha de sesión

Wed, 07/10/2024 - 12:00

MLOps y computación de nube como claves para la IA escalable

Ivett Sanchez — Wed, 04 Sep 2024 16:51:53 +0000

MLOps y computación de nube como claves para la IA escalable

Ivett Sanchez Wed, 09/04/2024 - 10:51

Resumen.- La escalabilidad de las soluciones de IA en las organizaciones estará cada vez más en demanda. Dos estrategias centrales para asesorar a nuestros clientes como consultores de TI son el modelo MLOps y la computación en la nube.

Realmente, los consultores de TI llevamos poco tiempo ofreciendo servicios de Inteligencia Artificial a nuestros clientes. En la primera fase de introducción a esta nueva tecnología, una implementación obvia y popular ha sido un chatbot personalizado para las necesidades de negocio. Por ejemplo, una interfaz a la medida que utilice un motor de GPT para consultar los documentos internos de la empresa, permitiendo al usuario literalmente dialogar con el conocimiento de negocio.

A medida que los clientes se familiarizan con ésta y otras soluciones, la demanda por nuevas aplicaciones de IA dentro de la organización se está incrementando, y esta tendencia continuará. En efecto, estamos ante el inicio de la inevitable escalada de la IA.

A diferencia de soluciones anteriores de TI, la escalabilidad, en el contexto de la IA, va más allá de la mera capacidad de manejar grandes volúmenes de datos, sino que representa un paradigma donde la eficiencia es esencial: “Adentrarse en el ámbito de las soluciones de IA escalables revela un enfoque sofisticado que trasciende la mera acomodación de conjuntos de datos más grandes.” Como consecuencia, “la optimización de los flujos de trabajo es una característica distintiva de la IA escalable. En lugar de sucumbir a los desafíos presentados por el aumento de los volúmenes de datos, estas soluciones trabajan para mejorar la eficiencia de los pipelines de procesamiento de datos.”

Dos estrategias centrales (aunque no las únicas) para alcanzar esta optimización de flujos son la adopción de un modelo de Operaciones de Machine Learning, o MLOps, y el uso de cómputo en la nube.

Machine Learning Operations

MLOps se refiere a un enfoque de prácticas y herramientas que busca automatizar y mejorar la integración, implementación y mantenimiento de modelos de aprendizaje de máquinas o machine learning (ML) en entornos de producción. Es similar al concepto de DevOps en desarrollo de software en que integra procesos de desarrollo y operaciones, pero está enfocado en el ciclo de vida de los modelos de machine learning.

MLOps contempla un ciclo de vida incesante de desarrollo de machine learning que pasa por las siguientes etapas en bucle: preparación de datos, desarrollo de modelo, implementación de éste y monitoreo y mantenimiento. Entre las prácticas de MLOps está la automatización de pipelines, el versionado, las pruebas y validación, el despliegue continuo, la monitorización y alertas y el reentrenamiento automatizado.

Cuando MLOps se implementa correctamente y de acuerdo con el tamaño de la organización y sus proyectos, puede acelerar significativamente la velocidad con la que se llega a producción, pero implica una inversión de tiempo y recursos en procesos, capital humano y herramientas.

En cuestión de procesos, es importante estandarizar la construcción y operación de los modelos. Se trata de un trabajo de ciencia de datos que requiere de iteraciones y refinamiento constantes. Una vez desplegado y en operación, el resultado y el desempeño deben monitorearse continuamente.

El equipo humano no se limita a los científicos de datos, sino que requiere de varios roles especializados; además de la ciencia de datos, la ingeniería de machine learning para su optimización y monitoreo, así como las tecnologías de la información para hacerse cargo de la infraestructura. Además, podría mencionar roles de gobernanza o cumplimiento de calidad y normas.

En cuanto a las herramientas, es importante elegir aquellas que en su conjunto promuevan la creatividad, velocidad y seguridad, considerando que un solo rol en el equipo puede hacer uso de múltiples herramientas especializadas. Por ejemplo, para la gestión de datos existen Apache Kafka, Airflow y Apache NiFi; para la experimentación: MLFlow, TensorBoard y Weights & Biases; y para el despliegue: Kubernetes, Docker, TensorFlow Serving y TorchServe.

Computación en la nube

Incluso desde antes del reciente auge de la IA, la tendencia en TI ha sido el uso de servicios de computación en la nube. En general, se trata del acceso a recursos informáticos como servidores, almacenamiento, bases de datos, redes, software y otros servicios complementarios, a través de internet. La infraestructura física se mantiene y opera localmente cada vez en menor medida. Para machine learning, entre los servicios más populares se encuentran Amazon SageMaker (AWS), Azure Machine Learning y Google AI Platform.

La IA requiere de grandes volúmenes de datos para el entrenamiento de sus modelos y esto es algo que puede gestionarse en la nube; por ejemplo, en data lakehouses. Lo mismo puede decirse de la potencia de cómputo. Además, la facilidad del despliegue de modelos de IA en entornos de producción permite la integración y el despliegue continuos. Finalmente, estas herramientas favorecen la colaboración debido al acceso remoto, así como la seguridad y el cumplimiento, garantizadas por los proveedores.

En artículo para IBM, Matthew Finio y Amanda Downie comentan que las compañías deben adoptar arquitecturas de tecnología confiables, idealmente basades en infraestructura híbrida de nube, para escalar la IA a través de múltiples ambientes de TI. 3 La expresión de infraestructura híbrida se refiere a la combinación de servicios de nube públicos y privados, así como elementos de infraestructura local. En Mobiik, la empresa de TI para la que laboro como arquitecto de software, normalmente ofrecemos y utilizamos soluciones de nube con alguno de los grandes proveedores mencionados arriba. Sin embargo, si un cliente se encuentra en transición entre servidores locales y de nube, es natural que utilice un ambiente híbrido por algunos meses o años.

Otros elementos importantes: Infraestructura y fuerza de trabajo

MLOps y la nube son fundamentales en la escalabilidad de soluciones de IA, pero no son lo único que se requiere. Evidentemente, es necesario contar con una infraestructura robusta y segura, ya sea que esté alojada remota o localmente.

El equipo humano de trabajo debe estar adecuadamente especializado en las tareas que requiere. Este punto es un reto para la industria, debido a la novedad que aún conllevan las disciplinas relativas a la IA. Muchos profesionales de las tecnologías de la información, incluso aquellos expertos en sus áreas, se ven ahora ante la necesidad de reinventar sus carreras y reorientarlas a ciencia de datos, machine learning, IA y servicios relacionados en la nube. Tener una actitud innovadora y abierta a la experimentación ayuda.

Conclusión: Nuevamente la guía de las consultoras

En varios de mis artículos he insistido en el papel de guía que las consultoras de TI deben tener en este momento histórico en relación con el ascenso de la IA como potenciador de diversas áreas de trabajo. Es igual en este caso: nuestros clientes, una vez familiarizados con las soluciones más básicas de IA, como los chatbots organizacionales, pedirán la aplicación de la IA para otras tareas y de distintos modos novedosos. Este proceso de escalabilidad no será sencillo sin el apoyo de consultoras enfocadas en la innovación como Mobiik.

^{Imagen: Ciudad futurista con estructuras piramidales. Autor: DALL-E.}

Andrés Hernández

Forma parte de la primera edición de #Nerdearla en México como speaker

Fernando — Tue, 03 Sep 2024 22:33:30 +0000

Forma parte de la primera edición de #Nerdearla en México como speaker

Fernando Tue, 09/03/2024 - 16:33

¿Qué es Nerdearla?

Nerdearla es un evento de clase mundial en ciencia y tecnología, con entrada libre y gratuita. Es organizada por Sysarmy, la comunidad de sistemas, desde 2014 en Argentina y desde 2023 en Chile. En noviembre de 2024 llega la primera edición a México. Con el correr de los años se convirtió en la conferencia de ciencia y tecnología más grande de América Latina, con más de 10,000 participantes presenciales y más de 25,000 online.

Nerdearla busca promover el intercambio de conocimiento, creando un espacio de encuentro con contenido de alto nivel dedicado a profesionales de sistemas y a nerds de la ciencia.

Pero no es solo un evento, es una experiencia social, tanto en el formato presencial como online. Nerdearla cuenta con charlas y talleres técnicos, encuentros sobre divulgación científica y actividades lúdicas para entusiastas; además de espacios de coworking, interacciones en vivo y muchas oportunidades para hacer networking y aprender de líderes de la industria.

Nerdearla es un evento de nerds para nerds, para la comunidad.

Información básica del evento

📆 ¿Cuándo? 7 al 9 de noviembre de 2024
📍¿Dónde? Expo Reforma, CDMX, México y por streaming
🆓 Evento 100% gratuito

Call for Speakers

Apertura: 6 de agosto de 2024
Cierre: 13 de septiembre de 2024
Notificación a seleccionados: Semana del 7 de octubre de 2024
Link: https://nerdear.la/cfp

Categorías de Temas

Data Science/AI
Desarrollo
Infraestructura
Nerd (áreas STEAM)
Open Source
Seguridad
Soft Skills
Testing
UX/Accesibilidad

Requisitos y Criterios de Selección:

Duración de charlas: hasta 25 minutos
Duración de talleres: hasta 90 minutos (solo virtuales)
Propuestas anonimizadas (los jurados no saben quiénes son los speakers)
Jurado especializado para cada track
No se aceptan charlas de autopromoción o ventas
Posibilidad de grabar la charla previamente para transmitirla de forma virtual, o bien de presentar la charla en Expo Reforma para ser parte de la experiencia presencial.

Participación

Para más detalles y enviar tu propuesta, visita https://nerdear.la/cfp

Información de contacto

Web: nerdear.la
Email: info@nerdear.la