Plazas limitadas. ¡Inscríbite ya!
El año pasado tuvimos más de 1100 inscritos de 30 países diferentes.
Días
Horas
Minutos
Segundos
Anders Christiansen
KAVAK Vice President of Data Science
Carlos Gamero
Director Data & Analytics at Center for Advanced Analytics (Grupo BRECA)
Carlos E. Jimenez Gomez
Consultor en Gobierno Digital
Favio Vazquez
CEO | Chief Data Scientist
Guillermo Leale
Profesor Titular en Universidad Tecnológica Nacional (Argentina), Data Science Consultant en SIMA LLC
Maria Eugenia Steglich
Head of Data Science Scotiabank
María Paz Hermosilla
Directora GobLab Universidad Adolfo Ibáñez
Paula Martinez
Co-fundadora & CEO Marvik
Rodrigo Cortés
Consultor Independiente
Desarrollo de estándares éticos para la adquisición de algoritmos en el sector público Chileno
María Paz Hermosilla
La ciencia de datos y la IA pueden tener un gran impacto en la prestación de servicios por parte del Estado, haciéndolos mejores y más eficientes, siempre y cuando se hagan cargo de sus potenciales riesgos éticos. El desafío es integrar, desde su diseño, estándares para el uso de datos personales, reemplazo o apoyo a la gestión o decisión humana, uso de reconocimiento facial, entre otros.
El proyecto Algoritmos Éticos, Responsables y Transparentes de la Universidad Adolfo Ibáñez y el BID Lab, en alianza estratégica con ChileCompra, la División de Gobierno Digital del Ministerio Secretaría General de la Presidencia, el Ministerio de Ciencia, Tecnología, Conocimiento e Innovación, y la aceleradora Magical, está desarrollando por primera vez estos estándares para Chile, un camino que los invitamos a conocer a través de esta exposición
Ciencia de Datos y Agtech: cuando los datos ayudan a alimentar al mundo
Guillermo Leale
Hablaré de las aplicaciones de la ciencia de datos en el agro, desde una perspectiva histórica, haciendo una recorrida por los hitos de la inteligencia artificial, llegando finalmente a lo que estamos haciendo en SIMA: puntualmente, predicción de rendimientos de cultivos utilizando inteligencia artificial
Machine Learning en el Mundo Real
Anders Christiansen
Identificar, planificar y ejecutar proyectos de machine learning que afecten directamente a las métricas del negocio. Muchos proyectos de machine learning fallan porque no están bien definidos, tienen expectativas no realistas o la solución óptima no requiere machine learning. En esta plática comparto lecciones aprendidas sobre cómo enfocar los esfuerzos de los equipos de machine learning en proyectos que generen resultados.
Perspectivas y desafíos en Data Analytics e Innovación en Chile 2021
Rodrigo Cortés
En esta ponencia se revisarán algunos de los drivers fundamentales en el desarrollo de Data Analytics, principalmente a través de una revisión no exhaustiva de iniciativas privadas y públicas en Chile que permitirán ejemplificar dinámicas y palancas de valor.
Uso de información positiva para lograr mayor inclusión financiera en Uruguay
Maria Eugenia Steglich
En la presente charla mostraremos como con modelos que utilizan información acerca del comportamiento de los individuos en el uso de productos financieros es posible reducir las asimetrías de información y lograr una mejor asignación de los créditos, potenciando la inclusión de clientes en el sistema financiero.
Paradigmas del machine learning
Favio Vazquez
El estudio de los datos no es nuevo para la humanidad, tenemos milenios haciéndolo, pero lo que ha cambiado es la forma de hacerlo y la interpretación que le damos a los mismos. La estadística se encargó por mucho tiempo de ser la principal ciencia que estudia y analiza datos, luego nos fuimos por el análisis de datos y aprendizaje estadístico, que derivó en la cultura algorítmica de la estadística a la par de la creación de la minería de datos. De estos nuevos avances surgieron los llamados “black boxes” o cajas negras, que han sido el estado del arte para lo que llamamos aprendizaje automático, de los cuales hemos podido responder a preguntas que parecían imposibles hasta hace poco y modificar la forma de hacer negocios. Con el paso de los años se volvieron más complicadas estas cajas negras y se hizo necesaria la creación de mecanismos para explicar el porqué de sus decisiones y resultados, y aunque hemos avanzado mucho en ese camino, algunos de modelos no están hechos para ser entendidos a cabalidad, solo de forma aproximada. En esta sesión hablaremos del proceso histórico que derivó en estos modelos y algoritmos, introduciendo un nuevo paradigma del aprendizaje automático, los “glass boxes” o cajas transparentes, nuevos modelos creados específicamente para ser explicados, pero con la potencia de las cajas negras más avanzadas y poderosas.
Experiencias de Machine Learning en proyectos reales
Paula Martinez
Se hablará de las experiencias en diferentes proyectos de machine learning realizados para clientes internacionales. Se recorrerán diferentes problemáticas enfrentadas, incluyendo el acceso a datos y su etiquetado, así como la complejidad de realizar estimaciones de esfuerzo de desarrollo en proyectos con mucha incertidumbre tecnológica. Se comentarán también aspectos de propiedad intelectual sobre datos y algoritmos.
Inteligencia Artificial y Modernización de la Justicia
Carlos E. Jimenez
La innovación y adopción tecnológica en las Administraciones Públicas está alcanzado un elevado grado de desarrollo, materializándose, entre otros, en el uso de sistemas de inteligencia artificial. El ámbito de la justicia no es ajeno a estos avances. La modernización de la justicia avanza hacia un modelo de “justicia inteligente” que promete grandes beneficios, pero que también presenta importantes retos, tal y como ya se ha puesto de manifiesto en países como Estados Unidos.
Comprender y evaluar adecuadamente los componentes, rol e implicaciones de estas herramientas tecnológicas en la modernización de la justicia es crucial. Más allá de su perspectiva tecnológica, es necesario tener en cuenta tanto las implicaciones éticas y sociales de estas tecnologías como su impacto en un sinfín de aspectos ya conocidos, como la interoperabilidad o la apertura de la justicia.
Una modernización de la justicia garante en la incorporación de tecnologías de inteligencia artificial requerirá del seguimiento de una nueva generación de normas, protocolos y estándares internacionales tanto por parte de las instituciones del sector justicia, como de sus proveedores. En esta ponencia hablaremos de todos estos aspectos.
