'Proyectos de inteligencia artificial' ofrece una visión de la inteligencia artificial muy real y casi, casi, de uso común, porque refleja en el fondo el día a día en las empresas que implementan soluciones de inteligencia artificial, pero al tiempo una visión original porque, paradójicamente, está visión tan pegada a tierra, está muy poco presente en la abundante literatura especializada, y no tan especializada, que aborda el amplio campo de la inteligencia artificial. En concreto, este libro no se centra en la tecnología, fundamentos, casos de uso o implicaciones de la inteligencia artificial sino en la implementación real de capacidades y soluciones de inteligencia artificial en la empresa, es decir, en cómo llevar a cabo realmente iniciativas y proyectos de inteligencia artificialEl libro se estructura en diez capítulos, como sigue:
- '1. Proyectos de Inteligencia Artificial': Comienza analizando el estado, barreras y retos para la adopción de la inteligencia artificial en la empresa. Luego aclara brevemente lo que es un proyecto de inteligencia artificial, destacando la importancia de operacionalizar los modelos de machine learning / deep learning. Y, finalmente, hace una distinción entre lo que son capacidades de Inteligencia Artificial y lo que son aplicaciones, explicando brevemente cada una de ellas así como los sistemas cognitivos.
- '2. Estructura primaria de un proyecto IA': Hace primero una clasificación de los proyectos de inteligencia artificial en una matriz bidimensional, donde en una dimensión se muestra si hablamos de una capacidad o una aplicación y en la otra si el proyecto trata de hacer un desarrollo o un despliegue /operacionalización de un modelo. Luego comenta las principales actividades o fases en un proyecto de capacidades de IA. A continuación dedica un amplioespacio a hablar de los datos, abordando temas como el tipo, consistencia, etiquetado, sesgos etc. Y finaliza considerando los tipos de despliegue posibles (capacidad como módulo de una aplicación, capacidad como servicio web, capacidad batch y capacidad para datos en streaming).
- '3. Enfoque metodológico': Primero explica algunos marcos metodológicos generales, como Design Thinking y Agile y alguno específico del campo de la Inteligencia Artificial como CRISP-DM. Y luego mira algo más hacia la operación, hablando de DevOps (de nuevo, un enfoque genérico) y cómo se traslada al campo del Machine Learning convirtiéndose en MLOps.
- '4. Mejores prácticas': Desgrana una serie de buenas prácticas que incluyen la anticipación, la reutilización, la automatización mediante AutoML, las pruebas de regresión, el reentrenamiento de modelos, etc
- '5. Recursos materiales': Un corto capítulo que, en realidad, sirve a modo de introducción a los capítulos siguientes que se centran en recursos.
- '6. Infraestructura': Capítulo dedicado a la infraestructura hardware y software. Comienza identificando los atributos clave en la utilización de infraestructuras (localización, virtualización y mdelo de gestión). Luego afronta el almacenamiento y la computación y acaba revisando la oferta existente en materia de procesadores y sistemas.
- '7. Frameworks y lenguajes de programación para IA': Habla primero de los lenguajes de programación ofreciendo algunas gráficas comparativas en cuanto a su mayor o menor utilización. Luego pasa revista a librerías usadas en machine learning revisando librerías para Python y R. A continuación visiita brevemente Spark y finaliza con una breve revisión de frameworks de deep learning.
- '8. Herramientas': Realiza un amplio recorrido por diversas herramientas, empezando por las de modelado de datos, incluyendo el acceso a datasets públicos y siguiendo por herramientas para el despliegue y ejecución de modelos. Se explican las ideas principales y se mencionan herramientas concretas de mercado.
- '9. Mercado de plataformas de IA en cloud (AIaaS)': Siguiendo con la orientación al mercado, en este capítulo se repasan las plataformas y servicios en la nube empezando primero por sus características generales y siguiendo por un breve recorrido por plataformas como Amazon Web Services ML Stack, Microsoft Azure AI Platform, Google Cloud AI Platform e IBM Watson Data & AI Platform
- '10. Recursos humanos': Finaliza el libro con una mirada hacias las personas y recursos humanos. Se revisan ampliamente los perfiles específicos para proyectos de Inteligencia Artificial, se identifican algunas fuentes posibles de talento y se finaliza con una visión organizativa de la IA en la empresa.
Jaume Miralles Solé
(Fuente: Ligera elaboración propia de la biografía en su sitio oficial)
Jaume Miralles Solé
Jaume Miralles es un consultor TIC que, en 2016, descubrió su pasión por la Inteligencia Artificial, cuando pasó a trabajar para la unidad de IBM Watson y dejó atrás unos cuantos años de proyectos de implantación de soluciones TIC.Desde entonces su día a día consiste en entender, apoyar y transmitir a colegas, colaboradores y clientes las ventajas competitivas que proporciona la IA en cualquier ámbito e industria. Adicionalmente, también colabora en diversos programas formativos de postgrado relacionados con la IA, lo que, unido a su actividad habitual, le obliga a estar muy al día en las mejores prácticas, las novedades y las tendencias tecnológicas del ámbito de IA empresarial.
En la actualidad es Líder de la práctica de Customer Data Platforms (España) en IBM iX.
Jaume Miralles es Ingeniero Electrónico por la Universidad Ramón Llul y es autor del libro 'Proyectos de Inteligencia Artificial'.
Puedes saber más del autor, visitando su página oficial, consultando su perfil en LinkedIn o siguiéndole en Twitter donde se identifica como @jaumemiralles.
Ficha técnica:
TITULO: Proyectos de Inteligencia ArtificialAUTOR: Jaume Miralles SoléEDITORIAL: AutoeditadoAÑO: 2021o ISBN: 978-1661199456
PAGINAS: 239
Artículos de este blog relacionados
- Modelos de software en la nube y el impacto en sistemas cognitivos
- Un mapa de explicabilidad de algoritmos de inteligencia artificial
Puzzle Bobble
Karate Blazers
Puzzle De Bloques
Magical Cat Adventure