Programa | Madrid Machine Learning - Conferencia Machine Learning | 2ML

PROGRAMA

Luis Martín (Barrabés.biz)

Apertura

15'

Luis Martín (Barrabés.biz)

Estado del Arte del Machine Learning

Francisco Martín (BigML)

Machine Learning: A Technical Perspective

En esta charla, el doctor Francisco Martín nos hablará del estado del arte del Machine Learning, el cambio de paradigma que supone y el impacto que tiene en nuestra sociedad. Veremos la evolución del ML, dónde estamos y hacia dónde vamos, así como los avances tecnológicos del ML y cómo estos permiten la automatización de procesos y tareas que, hasta el momento, solo profesionales altamente capacitados podían llevar a cabo. Todo ello explicado desde una perspectiva realista.

30'

Francisco Martín (BigML)

Ed Fernández (Naiss.io)

Machine Learning: A Business Perspective

Según Gartner, el aprendizaje automático se considera el motor último de la transformación digital, aunque muy exagerado, ya que esta tecnología supera este año el pico de las expectativas infladas. En esta charla revisaremos el estado del Machine Learning desde una perspectiva de negocio, las tendencias de capital riesgo y fusiones y adquisiciones en ML & AI, la escena de la AI empresarial, las tendencias de adopción del mercado ML, y la evolución y plataformización del Machine Learning en la empresa.

30'

Ed Fernández (Naiss.io)

Casos De Uso Reales

ML en el Mundo del Entretenimiento y los Deportes

Poul Petersen (BigML)

Predicting the 2018 Oscar Winners with Machine Learning

¿Alguna vez te has preguntado si es posible predecir los Oscars? BigML, gracias a sus redes neuronales (Deepnets) lo ha hecho posible, acertando todas sus predicciones en las 6 principales categorías de la edición de los Oscars 2018. BigML predijo correctamente los ganadores a mejor película, mejor director, mejor actriz, mejor actor, mejor actriz de reparto y mejor actor de reparto. ¿Pero cómo es posible predecir este evento, aparentemente aleatorio? En esta charla, M.Sc. Poul Petersen, Director de Infraestructura de BigML, nos explicará cómo elegir los datos que son relevantes para realizar dichas predicciones y cómo prepararlos. Finalmente, veremos cómo trabajan los Deepnets de BigML para crear el mejor modelo predictivo, como el utilizado para la predicción de los Oscars.

30'

Poul Petersen (BigML)

José Ángel Alonso Cuerdo (KPMG)

Game Scheduling System

Diseñar con precisión el "mejor" calendario deportivo es a menudo es difícil, si no imposible. A menudo, las partes interesadas tienen objetivos y condicionantes contrapuestos y un calendario óptimo es aquel que insatisface a las partes interesadas lo menos posible: federaciones, ligas, clubes, televisiones, jugadores, etc. En KPMG hemos diseñado calendarios utilizando Advanced Analytics para las principales ligas deportivas a nivel mundial. Entre otros la NBA, la Major League Baseball, la Australian Football League, la conferencia de atletismo Big XII, la South Eastern Athletic Conference y la Atlantic Coast Conference. Creemos que no hace falta la utilización de una infraestructura de IT masiva para resolver el problema de optimización calendarios deportivos. Nuestras soluciones de optimización flexibles incorporan modelos ML que permiten optimizar la toma de decisiones para resolver los desafíos más críticos en la búsqueda del calendario óptimo con la mayor agilidad posible.

30'

José Ángel Alonso Cuerdo (KPMG)

Café y Networking

30'

ML en el Sector Legal y la Industria

Arnoud Engelfriet (JuriBlox B.V.)

How to Make a Lawyerbot that Can Review NDA’s

El acuerdo de no divulgación (NDA) o acuerdo de confidencialidad es un elemento básico de la comunidad empresarial, mayoritariamente en las empresas tecnológicas y de IT. Se ha sugerido que el NDA es el documento legal más utilizado en los negocios. Debido a su naturaleza ubicua y su uso rutinario, las NDA se consideran generalmente como un documento estándar. Desde una perspectiva legal, uno no podría estar más equivocado. Sin embargo, hay una cierta brecha en el mercado entre lo que los abogados necesitan para revisar una NDA y lo que los empresarios están dispuestos a pagar.

30'

Arnoud Engelfriet (JuriBlox B.V.)

Antonio Gracia Berná (Boeing)

The Aircraft Genome Project

30'

Antonio Gracia Berná (Boeing)

Jordi Palau (Celsa) & Joel Montoy (Aquiles Solutions)

AI Applied to Optimize the End-to-End Supply Chain in Celsa Group

Durante los últimos 3 años, el Grupo Celsa junto con Aquiles Solutions han estado desarrollando software para optimizar todos los pasos del proceso de planificación, abastecimiento, fabricación y entrega de acero (End-to-End Supply Chain). Explicaremos las diferentes soluciones que hemos desarrollado para: (1) Planificar el abastecimiento de materias primas. (2) Optimizar los procesos de fusión y fundición para reducir los defectos de la chapa de la viga y del mandril. (3) Optimizar la longitud de la viga en blanco / palanquilla para reducir la pérdida de rendimiento y mejorar la rentabilidad. (4) Programar un taller de fundición multiformato. (5) Programar trenes de laminación. (6) Optimizar el uso del stock y mejorar el servicio al cliente a través de un ATP (disponible para prometer software). (7) Automatizar la introducción de pedidos a través de un software que lee y traduce directamente desde los correos electrónicos de los clientes.(8) Calcular cotizaciones de precios para pedidos complejos de productos a medida (acero de refuerzo)

30'

Jordi Palau (Celsa) & Joel Montoy (Aquiles Solutions)

Panel de Expertos

30'

Cocktail y Networking

75'

ML en las Economías Emergentes

David del Ser (BFA Global)

ML 4 Good: Robots for a Better World

El Machine Learning está causando profundos cambios en las economías de los países desarrollados, ya que perturba industria tras industria. Pero, ¿cuál es la situación en los mercados emergentes, donde muchos consumidores pobres ni siquiera pueden acceder a los servicios básicos? En esta ponencia se examinarán varios ejemplos relevantes de expertos en innovación que utilizan el ML para hacer que los servicios financieros sean más accesibles, asequibles y apropiados para los consumidores de bajos ingresos de África, América Latina y Asia.

30'

David del Ser (BFA Global)

Thor Muller (Off Grid Electric)

Managing High Risk Customer Credit with Machine Learning

Miles de millones de personas en las economías emergentes no tienen acceso a la banca ni un historial de crédito. No obstante, tienen ingresos crecientes y un deseo de acceder a los productos y servicios modernos. Hasta hace poco, el riesgo que suponía ofrecer productos a crédito era demasiado arriesgado para la mayoría de las empresas, lo que ha amplificado la naturaleza desatendida de estos mercados. Pero las cosas están cambiando: los datos de comportamiento y perfil combinados con Machine Learning nos están dando la información que necesitamos para dirigirnos a los clientes más capaces de pagar, así como para apoyar el comportamiento de pago óptimo a lo largo del tiempo.

30'

Thor Muller (Off Grid Electric)

Guillermo Caudevilla (Frogtek)

Empowering Mexican Microretailers Using Data and Machine Learning

En esta charla veremos como la empresa social Frogtek ayud aa a los pequeños comerciantes de la base de la pirámide a controlar mejor sus negocios. Con su sistema de punto de venta sus usuarios pueden registrar las operaciones de sus tiendas obteniendo a cambio métricas y servicios de valor añadido basados en la información que inyectan en su red. Los datos que obtienen alimentan, adicionalmente, un sistema de Business Intelligence y Marketing Analytics que grandes empresas que venden sus productos en el sector utilizan para acceder a información inédita de un canal tradicionalmente opaco. Estos datos son están íntimamente relacionados con el compromiso que Frogtek obtiene de sus usuarios y con la eficiencia que alcanzan sus operaciones internas.

30'

Guillermo Caudevilla (Frogtek)

Café y Networking

30'

ML en Marketing y Recursos Humanos

Seamus Abshere (Faraday)

Databases, Templates, Infrastructure: Making ML Work for B2C

Faraday es AI para B2C. En Faraday tienen plantillas reutilizables de Machine Learning para todas las etapas del ciclo de vida de los ingresos B2C, desde la adquisición hasta la venta y la retención. Sus clientes han visto que el rendimiento de los anuncios sociales es comparable al del mejor modelado de Facebook, a la vez que se benefician del compromiso y la atribución multicanal. En esta charla, aprenderás cómo Faraday.io toma los datos de los clientes y los combina con una base de datos nacional patentada y plantillas de ML para ayudar a otras empresas a adquirir, vender mejor y retener más clientes.

30'

Seamus Abshere (Faraday)

David J. Marcus (PandoLogic)

Machine Learning and AI-Enabled Job Advertising Platform for Enterprise Recruiting

El papel del aprendizaje automático (ML) en nuestros algoritmos de campaña patentados. Utilizando más de 10 años de datos históricos de desempeño laboral (con cerca de 200 mil millones de atributos de datos) para establecer puntos de referencia de desempeño predictivo que determinan cuándo, dónde y cómo el trabajo de cada trabajador es dinámico en tiempo real. Nuestros algoritmos impulsados por el ML presupuestan y optimizan el gasto en campañas en tiempo real en todos los puestos de trabajo durante el período de campaña. Nuestros algoritmos impulsados por el LD mejoran significativamente la eficiencia de la utilización del presupuesto del empleador en el agregado y aumentan significativamente el número de solicitantes para los trabajos anunciados.

30'

David J. Marcus (PandoLogic)

Patrick Coolen (ABN AMRO)

Machine Learning Delivering Impact in Human Resources Management

Patrick Coolen, Director de Análisis de RRHH de ABN AMRO, compartirá el camino recorrido por el equipo de análisis de ABN AMRO en los últimos cuatro años y la forma en que una organización como este banco utiliza Machine Learning para descubrir interesantes ideas sobre sus empleados. En esta charla se explicará por qué todas las empresas deben realizar análisis de RR.HH. en primer lugar, cómo convencer a la alta dirección para que aplique las técnicas de análisis de RR.HH., cómo establecer una función de análisis de RR.HH. y, por último, cómo ABN AMRO utiliza el análisis de RR.HH. en este departamento, proporcionando ejemplos reales, así como la aplicación práctica de las 10 reglas de oro de la analítica de RR.HH.

30'

Patrick Coolen (ABN AMRO)

Panel de Expertos

30'

Santiago Márquez (Barrabés.biz)

Apertura y Revisión

30'

Santiago Márquez (Barrabés.biz)

Casos De Uso Reales

ML en Finanzas e Inversión

Jorge Pascual (Anfix)

How ML is Disrupting the Accounting Industry

Oxford ha predecido que tanto los contables como los auditores, desaparecerán con una probabilidad del 99%. La automatización y el ML se encargarán de casi todos los procesos. Hay que reinventar toda una industria. Las pequeñas y medianas empresas representan más del 90% del PIB del mundo desarrollado y casi todas ellas cuentan con el apoyo de contables. Según Accenture, en 2020 más del 80% de los servicios financieros tradicionales serán prestados por equipos multifuncionales que incluyen a AI. La tecnología puede hacer levantamientos pesados, cálculos numéricos y compilaciones de informes, mientras que los contadores se concentran en tareas que requieren un juicio intensivo. En suma, el LD va a hacer que los contadores sean más eficientes y productivos.

30'

Jorge Pascual (Anfix)

Arturo Moreno (Preseries)

Upgrading Technology Financing: Machine Learning Enabler of a Data-Powered Process

La manera en que se financia la tecnología no ha cambiado mucho en las últimas décadas: interacciones cara a cara, seguidas por el juicio humano (sesgo?). La mayoría de los inversionistas sofisticados adoptaron hojas de Excel para calcular los ratios y KPIs (CAC, LTV, ARR, CPM, etc.) para permitir el benchmarking y las reglas simples. El resultado es una diligencia basada en las relaciones que crea inherentemente una alta propensión al sesgo y una baja propensión a la escala. Hemos visto a la comunidad de inversores adoptar la aplicación de datos y modelos en cualquier otra industria, sin embargo, la pregunta sigue siendo, para la mayoría de la industria, cómo las decisiones de inversión en la etapa inicial se pueden tomar mejor con los datos. Un número cada vez mayor de inversores está experimentando en torno a estrategias basadas en datos para la inversión en la fase inicial. Los nombres de Capital Social, EQT, GV, Correlation Ventures o InReach Ventures, entre otros, ya están dando resultados. PreSeries está construyendo una herramienta asequible, la mejor en su clase, para permitir a todos los inversores aprovechar los beneficios que los datos y el ML representan para la generación de información. De millones a miles de dólares por año, para todos los inversores. En un mundo en el que el papel de los inversores en tecnología pasa de ser "cazadores a recolectores", PreSeries cree que una cultura centrada en los datos en las organizaciones inversoras no sólo traerá mejores y más rápidas decisiones de inversión, sino que también permitirá a los inversores ser de ayuda en la puesta en marcha de empresas de una manera mucho más productiva gracias a los conocimientos que aportará el análisis de sus datos.

30'

Arturo Moreno (Preseries)

Santiago Márquez (Clluc)

Blockchain and Machine Learning. The Perfect Storm?

Blockchain y Machine Learning son dos de las tecnologías más disruptivas que hoy se postulan como mecanismos clave para cambiar no solo como funcionan las organizaciones sino como se articula la propia Sociedad. Pero, ¿existen sinergias entre ellas? ¿es posible aplicar la tecnología de ML a Blockchain? ¿en que estado se encuentra esta aproximación? A lo largo de esta charla Santiago Márquez CTO de Clluc y experto en Blockchain tratara de clarificarlo.

30'

Santiago Márquez (Clluc)
ML en las Telecomunicaciones

Francisco Martín Pignatelli (Vodafone)

Predictive Mobile Networking

Las redes de telecomunicaciones están luchando para mantenerse al día con el crecimiento de los datos que tienen que gestionar para prestar servicios a sus clientes. Esta demanda está llevando a una complejidad suprema que los sistemas tradicionales no pueden manejar. El Machine Learning y la Inteligencia Artificial son la mejor manera de abordar este reto, permitiendo también que las redes sean predictivas en lugar de reactivas, lo que cambia la forma en que la tecnología ha funcionado en la radio durante los últimos 25 años.

30'

Francisco Martín Pignatelli (Vodafone)

Café y Networking

30'

Cómo Adoptar Machine Learning en tu Negocio

Francis Cepero (A1 Digital)

Build 100 Data Analysts in 6M through ML democratization

30'

Francis Cepero (A1 Digital)

Luis Martín (Barrabés.biz)

How to Bring ML to your Business: Few Steps from Ideas to Results

Con más y más datos, dispositivos y procesos expandiéndose en el tiempo y el espacio, los modelos computacionales actuales necesitarán evolucionar para tener capacidades más centralizadas y descentralizadas al mismo tiempo. Para que esto funcione necesitamos nuevas estructuras en el enfoque de los datos, las transacciones y la infraestructura

30'

Luis Martín (Barrabés.biz)

Panel de Expertos

45mins

Discurso de Clausura

15'

Cocktail y Networking

60'

Poul Petersen (BigML)

Workshop Práctico de Machine Learning con la Plataforma de BigML

120'

Poul Petersen (BigML)