Daniel Pérez Cabo
Soy un entusiasta del aprendizaje automático y me encanta participar en conferencias y concursos nacionales e internacionales. He estado involucrado en el desarrollo de las tecnologías de reconocimiento facial y antifraude de Alice Biometrics desde el principio, trabajando como investigador de reconocimiento facial en Gradiant primero y desde Alice desde hace casi cuatro años. También realicé una estancia en la Universidad de Haifa trabajando en privacidad y protección de datos biométricos.
Actualmente desempeño el rol de líder técnico del equipo Core Tech, guiando el desarrollo de modelos de IA y ML.
https://www.linkedin.com/in/daniel-p%C3%A9rez-cabo-979b6932/
Session
¿Estás familiarizado con los términos ‘arquitectura hexagonal’ y ‘TDD’? Probablemente sí. Pero, ¿qué pasa cuando estos conceptos se cruzan con el mundo de MLOps y la integración de modelos de IA en nuestro software?
La integración de la Inteligencia Artificial en nuestras aplicaciones y servicios puede ser un desafío. Los modelos de IA, a menudo vistos como ‘cajas negras’, pueden complicar el testeo, los despliegues y el mantenimiento del software en general. Sin embargo, con el enfoque correcto, podemos diseñar un software resiliente que no solo integre estos modelos, sino que también sea mantenible y escalable.
En esta charla, compartiremos nuestra experiencia construyendo soluciones complejas que requieren la integración de modelos de IA. A lo largo de los años, hemos iterado en la forma en que integramos estos modelos en nuestro código, llegando a una solución en la que el software y los modelos de IA pueden evolucionar a ritmos diferentes sin causar fricción ni problemas en el desarrollo.
Explicaremos cómo hemos navegado por este laberinto, las lecciones aprendidas y cómo hemos conseguido que la integración de la IA en nuestro software sea un proceso fluido y eficiente. También discutiremos cómo los principios de MLOps pueden ayudarnos a construir software más resiliente y escalable.