This is the session I delivered Oct 19th, 2016 at the Liferay Spain Symposium in Madrid. It focuses on how Machine Learning will probably be the technology that have the greatest impact in how we build digital experiences in the next few years. Note: The slides are mostly visual, so watching the video is better if you are interested in the topic. I'll link to it once it's ready.

1. Tecnologías futuras que
revolucionarán las experiencias
digitales
Jorge Ferrer - Vice President, Engineering

2. ¿Qué nuevas tecnologías tendrán un
mayor impacto en cómo crearemos
servicios digitales?

3. Blockchain Driverless cars
Nanotechnology
Genetic editing
Microservices
Containers
Serverless
IoT
Machine Learning

4. Generará grandes oportunidades
en nuestra relación con
clientes, empleados, aliados, …
4

5. Inspirar
Formentar nuevas ideas que aprovechen las
oportunidades ve van a aparecer
Compartir
Lo que nosotros hemos aprendido

6. Plan de acción
01 02 Buscando analogías
interesantes
En qué se está
aplicando
Y cómo funciona
¿Qué es Machine
Learning?
03Preparándonos para
identificar las oportunidades
Por qué ahora

7. ¿Qué es Machine Learning?

8. Permite a los ordenadores resolver
problemas que hasta ahora sólo los
humanos podían resolver

9. ¿Dónde está tomada esta foto?
¿Sale un pájaro en la foto?

10. ¿Cómo diferenciarías ….
… una naranja … … de una manzana?

11. ¿Y si es en blanco y negro?
.

12. Los sistemas expertos, basados en
reglas, han sido los que mejores
resultados han dado
Excepto en problemas complejos

13. Identifica las manzanas y naranjas

14. Machine Learning está consiguiendo
resultados espectaculares en
problemas muy complejos

15. Las redes neuronales y en particular Deep
Learning son las que están consiguiendo
________ más impactantes

16. Las redes neuronales y en particular Deep
Learning son las que están consiguiendo
resultados más impactantes

17. ¿Cómo funcionan las redes neuronales?

18. Red neuronal Función matemática

19. Cálculo del precio de una casa
Zona
Nº de habitaciones
Metros
Antigüedad
Precio
300k 200k
Un poco menos

20. Entrenamiento
Zona
Nº de habitaciones
Metros
Antigüedad
Precio
150k 100k
Un poco más

21. Repetir cientos de miles de veces con
un conjunto de casas de prueba
Horas, Días, Semanas, Meses

22. Aplicando el “modelo” resultante
Zona
Nº de habitaciones
Metros
Antigüedad
Precio
348k

23. Deep Learning
Más capas Capacidad de resolver problemas más complejos
Más tiempo de entrenamiento y ejecución

24. El reto es definir el modelo de redes
neuronales que dará mejores
resultados tras el entrenamiento

25. Para problemas complejos se combinan
múltiples redes neuronales de forma
secuencial
25

26. El desarrollo con
Machine Learning
es mucho más
parecido a entrenar
a tu mascota que al
desarrollo tradicional
26

27. Dos casos
de aplicación en la práctica

28. Reconocimiento
facial
1

29. Pasos para el reconocimiento facial
Eliminar los
efectos de la
iluminación
Identificación
de las caras
Identificar
características
únicas
Comprar con
las caras
conocidas
Girar la cara

30. Descripción automática de imágenes

31. 31
• PROJECTS / PORTFOLIO
Procesar automáticamente
una foto de un accidente
Personalización de la atención en función
del estado de ánimo al entrar en una tienda
Buscar la prenda de ropa a
partir de una foto

32. Traducción automática2

34. Generación automática de textos de
Hemingway
He went over to the gate of the café.
It was like a country bed.
“Do you know it’s been me.”
“Damned us,” Bill said.
“I was dangerous,” I said. “You were
she did it and think I would a fine
cape you,” I said.
“I can’t look strange in the cab.”
“You know I was this is though,” Brett
said.
“It’s a fights no matter?”
“It makes to do it.”
“You make it?”
“Sit down,” I said. “I wish I wasn’t do
a little with the man.”
“You found it.”
“I don’t know.”
“You see, I’m sorry of chatches,” Bill
said. “You think it’s a friend off back
and make you really drunk.”
https://medium.com/@ageitgey/machine-learning-is-fun-part-2-a26a10b68df3#.4lmkisdx8

35. ¿Por qué ahora?

36. Gran cantidad de datos disponibles
Bases de datos
públicas
Y mucho
más…
Interacción con
nuestros servicios
Información
corporativa
Social Media
Datos comprados

37. Gran aumento de la velocidad
Un orden de magnitud
más rápidos que las
CPUs
Uso de GPUs
0
10
20
30
40
50
100
90
80
70
60
Aceleran
significativamente el
tiempo de aprendizaje
Nuevos
descubrimientos
matemáticos

38. Transfer Learning permite reutilizar el
entrenamiento hecho por otros

39. Democratización de Machine Learning
Los máximos
expertos del mundo
ofrecen cursos
extraordinarios de
forma gratuita o con
muy bajo coste
Cursos fácilmente
accesiblesConstrucción de
redes neuronales
sin grandes
conocimientos
matemáticos
Librerías Open
Source
Permiten ejecutar
algoritmos sin una
gran inversión en
Infraestructura
Plataformas

40. Conclusiones

41. Machine Learning
representa una
revolución por su
capacidad de
resolver problemas
muy complejos
41

42. Se presentarán grandes
oportunidades para
construir servicios
digitales innovadores

43. Sigue Machine Learning de cerca
43
No te dejes llevar por modas, conócelo bien para saber
donde aprovechar su potencial

44. Gracias
@jorgeferrer
#LRESP2016