han sacado un modelo gpt4o mini, y la API si no estoy leyendo mal es hasta mas barata que la 3.5 turbo vaya pasada
Expando #257 : he pasado la primera entrevista. Me han preseleccionado para la asignatura de diseño de IA: This course will cover the following topics: (i) AI Design, (ii) Natural Language Processing (NLP), (iii) Computer vision, (iv) Reinforcement learning and (v) Machine Learning Operations (MLOps).
La verdad es que es un curso que me encantaría recibir, jaja. Es troncal, de 3° de carrera, 6 ECTS. Ahora tengo que preparar una clase de ejemplo para impartir el lunes o el martes. A ver qué tal se da. Os mantengo informados (no sé cuántos otros candidatos han pasado, pero sé que es difícil pillar el puesto, en el IE hay gente muy buena, demasiado buena).
#272 Enhorabuena! Seguro que tienes mejor material pero -> https://cs229.stanford.edu/lectures-spring2022/main_notes.pdf
A ver si me animo y hago un mini hilo sobre ML/AI en sistemas embebidos
#274 Yo si todo va bien el año que viene (xd) hago uno de data analytics más centrado en ETL - Data Mesh - Reporting/Analytics.
Si los proyectos laborales van bien, tendré cositas interesantes que explicar. Ahora estoy haciendo ‘spam’ en linkedin y así también puedo contar algo la experiencia después de subir tutoriales allí y si es útil o no.
Eso y que no descarto buscar un phd program e intentar preparar una candidatura (ahora no hay plazos abiertos así que nada).
Gracias, muchachotes. Estoy esperando a que me contesten del puesto en el que entro en octubre (MLDevops/cybersec/fullstack/blockchain) para que me confirmen que no hay problema por la docencia. Ellos mismos me animaron a no desligarme del IE. Conforme me contesten cierro la segunda entrevista.
#276 pues a las 7 de esta mañana he respondido al correo para establecer la segunda entrevista y resulta que ya han escogido a alguien. Me he quedado fuera por tardar en responder (y porque, probablemente, el otro candidato fuese mucho mejor que yo).
Me proponen INTRODUCTION TO BUSINESS AND SOCIAL ANALYTICS, de segundo, me estoy leyendo el syllabus. He de contestar. La otra era mucho más atractiva.
Model life cycle, time series, Naive Bayes, svm, mda, Model Development Process: Deployment & Monitoring
Definitivamente, la otra era mucho más atractiva.
#280 Entiendo que lo segundo es lo que hubieses hecho en la primera opción? La de "Introduction to business and social analytics" que abarca?
#281 hey rich, la de Introduction to business and social analytics abarca lo que pongo en el comentario anterior:
#280hda:Model life cycle, time series, Naive Bayes, svm, mda, Model Development Process: Deployment & Monitoring
Para la que me habían preseleccionado era:
#272hda:diseño de IA: This course will cover the following topics: (i) AI Design, (ii) Natural Language Processing (NLP), (iii) Computer vision, (iv) Reinforcement learning and (v) Machine Learning Operations (MLOps).
#282 Pues sinceramente, las dos están muy bien. Desde un ámbito más enfocado a lo que te gusta, desde luego la que ha caído es la que como dices te atraía más.
Ahora bien, la que te dan posiblemente sea algo que abarque el 80-90% de los puestos de DS, y es algo que se necesita si o si. Es cierto que es más introductoria, pero si quién la imparte consigue que a sus alumnos les cale rápido, el nivel de profundidad y complejidad lo marcas tu.
Siempre puedes añadir cosas introductorias de la parte de IA al final para allanar terreno (si te dejasen, claro).
Pero como digo, pese a que la parte de la IA esta muy bien y mola (de hecho me gustaría reciclarme en ese campo), representa 1 de cada 10 o 1 de cada 20 puestos de trabajo aplicados de dicha profesión (aunque ciertamente, en auge)
#283 sí, me molaba más porque leyendo aquel syllabus se acerca más a lo que hago, mucho NLP y mlops. El resto que toco es bastante simple, regresiones, random forest y un poco de svm.
Esta que me proponen ahora está bien, pero me toca estudiar time series (mi idea de ma, ar, arma y arima es pequeña), nunca he tocado mda y la parte de deploy y monitoring la hago bastante poco reglada xdddd
Por otra parte, esta que me proponen es de 3 ECTs y por tanto más asequible.
15 días después
27 días después
Hola!!, Voy a por el segundo curso de ML y DL, pero sinceramente, a veces pienso que esto no va a tener mas futuro salvo para 3 o 4 muy muy rodados ya. ¿Que opinais?.
#286 Sin ser un superexperto en el tema, opino que lo importante es la capacidad que tengas de implementarlo en sistemas para mejorar su eficiencia más que el saber mucho sobre el tema o desarrollar nuevos modelos (que esto también es importante, pero está más enfocado al final al nicho de la investigación computacional); al menos para la mayoría de la gente. En este caso la falta de rodaje podría compensarse con una buena imaginación y una tonelada de trabajo propio
#288 Más bien el encontrar cómo aplicarlo. Hay muchísimos campos que podrían beneficiarse de implementar ML pero no lo tienen bien porque nadie se lo ha planteado bien porque nadie tiene tiempo o ganas de intentarlo
8 días después
kapa.ai
estoy pensando retomar mi proyecto de rag, para humillar a @hda lo primero, y segundo para aplicar a esta empresa.
tienen buen producto, hasta open ai los usan internamente.
hay algun tutorial para hacer fine tuning desde kagggle notebooks o el que vaya mejor.
Estaba pensando usar gemma 2
16 días después
alguien me comenta su experiencia con https://docs.vllm.ai/en/latest/ ? cuales son las mayores dificultades?
#293 uff como mejoren la eficiencia de las LSTM... va a ser indudablemente de lo mejor para predicción de series temporales
#291 https://unsloth.ai/ es lo mejor, el founder es un ex-dev de Nvidia y es una máquina. Tiene notebooks con ejemplos para hacer finetuning de muchas LLMs
Researchers have developed an algorithm that could dramatically reduce the energy consumption of artificial intelligence systems. https://the-decoder.com/new-algorithm-could-reduce-energy-requirements-of-ai-systems-by-up-to-95-percent/
No he encontrado el estudio, estoy fuera con el móvil, pero parece buena lectura, si alguien lo encuentra que lo pase
#297 https://arxiv.org/pdf/2410.00907
Cada vez tiene más sentido económico diseñar hw para inferencia. Siempre me flipa cuando se aprovecha la conversión de formatos para ahorrar operaciones adicionales.
#298 Me pasa por levantarme xD
