como les comentaba les voy a en estaconversación va a ser un poco acerca decómo fue mi trayecto

para aprendermachine learning y las cosas que me hedado cuenta en el camino así comoalgunos
consejos para todas las personasque están interesadas etcéterabueno un poquito de mi historia
yoempecé a trabajar desde los 17 años paraayudar en mi casa y porque trabajar mehacía sentir
como una persona adulta unade las empresas en las que trabaje erauna mayorista de artículos de
seguridadcomo cámaras de circuito sobre latelevisión barreras de acceso sensoresetcétera y en
esta empresa seinvestigaban los pininos delreconocimiento de imágenes y detecciónde patrones
aunque yo en este momento notenía idea de que esto estabarelacionado con inteligencia artificialde
la maquinaria yo sólo veía al grupode ingenieros como personas muyinteligentes que estaban ahí y
dentro deeste equipo yo conocí a un ingeniero queera el que llevaba toda la parte técnicade esta
empresay este ingeniero se me hizo el serhumano más inteligente que habíaconocido en toda mi
vida y decidíestudiar y generar sistemascomputacionales para hacer como élyo estudié en la noche
para poder seguirtrabajando durante el día y me topé conalgo que yo que me funcionó mucho
queera que la mayoría de las personas queestudiaban en la noche ya estaban ahísolo para obtener
el diploma y enrealidad tenían mucha experiencia en elmundo exterior y a pesar de que yo
yatrabajaba pues yo no trabajaba en diariano trabajaba en cosas de ingenieríaentonces pues tuve
que doblar losesfuerzos para poder llegar al nivel delas personas que estaban ahí yo nisiquiera
había hecho jamás un helloworld y sabía nada del lenguaje deprogramación ni nada entonces lo
quehice fue que sé que miles de libros dela biblioteca y pasaba horas leyendodesde arquitectura de
computadoras hastaredes programación o etcétera esto locomento porque me gustaría que sepan
quécualquier persona pues sin importar elbackground puede llegar a hacer match ylearning o sea
un ingeniero y buenofinalmente después de mucho esfuerzologré llegar al nivel de mis
compañerosy estos esfuerzos hicieron que tambiénobtuviera muy buenas calificaciones estome
ayudó mucho a conseguir una beca paraestudiar mi especialidad hay una fraseque me gusta decir
que la gente se reíade mí cuando me vayan estudie estoy deestudio pero cuando me fui a
japónexterior de mi especialidad ya nadie serió de míentré a trabajar a hp a los 20 años y alos 22
años entré a trabajar a intelestas experiencias en la vida real mehicieron aprender mucho más de lo
quepodía haber en un salón de clases ymucho más rápido en 2015 tuve laoportunidad de ser
seleccionada por elgobierno de japón para ir a estudiar unaespecialidad y también fui
seleccionadapara el curso que más me llamaron laatención que era machine learning
yhonestamente yo no estaba familiarizadacon este concepto así que fue una curvade aprendizaje
bastante grande y me topécon que la mayoría de los libros losexplicaban muy abstractohasta que
un día me topé con un libroque tenía ejemplos ejemplos muy visualesde código especialmente en
python ypayton el lenguaje de programación queyo había estado utilizando durante losúltimos años
en intel así que esto yrepasar probabilidad y estadística meayudaron mucho a entender y de
verdadcomprender el concepto además que notenemos los amigos en japón y mucho quehacer así
que la mayoría del tiempo mela pasaba estudiando al terminar elcurso una de mis metas era ser
capaz deexplicar este concepto de una formamucho más sencilla no el toparme contantos libros y
tantas explicaciones tanelevadas y que requerían tantoconocimiento avanzado para
poderloentender me hizo a mí querer escribir mipropio libro desarrollar un curso lo quefuera en la
que yo le pudiera explicarde una manera mucho más sencilla esto alas personas no ponerlo a un
nivel dondetodos lo pudiéramos entender y no sólo aciertas personas con ciertosconocimientos
nunca me imaginé que iba alograr hablar en tantos lugares yexplicárselo a tantas personas
muchomenos ver un curso en plásticocuando llegue a méxico un día visitandoun startup me
preguntaron si podíaexplicar que era machine learning en 27segundos yo la verdad está trabajando
enuna definición para mi mamá mi mamáconstantemente me preguntaba es que esque qué haces
en tu trabajo no no lepuedo explicar a tu tía porque noentiendo entonces yo me puse a trabajaren
una explicación en una presentaciónen la que pudiera encapsular todo yhacerlo muy simple no en
dos o tresoraciones cuando me preguntan esto elstart o pues yo uso esta explicaciónpara ver qué
tal funcionaban o total queesta explicación les gustó muchísimo yme invitaron a dar una plática en
sustar toc más a fondo el tema no unaplática de explicar machine learning atodas las personas que
estabantrabajando con gente que ya lo hace perono sabían qué estaba haciendo esa genteno la
verdad yo me considero muyafortunada de ver la invitación porque apartir de ahí mucha más gente
me invitóa dar pláticas platt y me invitó a hacereste curso y bueno el día de hoy estoyaquícon cada
conferencia yo considero que helogrado mejorar más y más la explicaciónademás que siento que
he podido hacerlamás mucho más concreta también he podidomejorar mis habilidades en general y
alfinal del día creo que a pesar de que yohablo mucho en las conferencias creo queyo aprendo
mucho másal hablar que que yo creo que lo queustedes aprenden a mí nobueno de seguro se
estarán preguntandocuál fue esa explicación que di que hizoque me invitarán a hablar no pues
buenoyo siempre he dicho que cuando hablas demachine learning habla de inteligenciaartificial
porque porque la inteligenciaartificial es el intento de hacer que undispositivo o una aplicación sean
tan omás inteligentes que un humano y machinelearning es una serie de algoritmos quehacen que
tu dispositivo o aplicaciónsean artificialmente inteligentesrevisamos lo de nuevo la
inteligenciaartificial es el intento de hacer undispositivo o una aplicación tan o másinteligentes que
un humanoy machine learning es una serie dealgoritmos que hacen que tu dispositivoo aplicación
sean artificialmenteinteligenteshace muchos años alan turing dijo quecuando una computadora te
hacía creerque era un humano cuando una computadorate hace creer que estabas hablando conun
humano o interactuando con un humanose podía decir que esta computadora erainteligente
artificialmente inteligenteentonces la inteligencia artificial esun adjetivo calificativo que se le daque
se usa para describir aquellosdispositivos o aplicaciones que simulanla inteligencia humana a
través demaquinaria esto quiere decir quela inteligencia artificial es como uncarro y machine
learning es como elmotor que lo hace moverse machinelearning hace que este dispositivo
oapensiones sean tan o más inteligentesque uno mal machine learning es latécnica la inteligencia
artificial es lacalificación o la forma en la quedescribe esos objetos que estimulan lainteligencia pero
bueno no todo el matchin learning es perfecto y quieromostrarte uno de los graves problemascon el
siguiente ejercicioquiero que imagines un zapato tienestres segundos para imaginarlo 1 2muy bien
ahora quiero que me digas oquiero que pienses como lo imaginaste loimaginaste como la primera
imagen que esun zapato formal la segunda imagen quees un tacón o la tercera imagen que esun
tenis yo en lo personal cuando mepiden que me imaginé un zapatome imagino la primera imagen el
zapatoformal pero hay gente que va a imaginarla segunda o la tercera imagen estosignifica que
todos tenemos conceptosdiferentes de cosas similares y comodesarrolladores transmitimos
estosconceptos a lo que creamos ahora imaginaque yo desarrollo una aplicación quereconoce
zapatos y yo sólo la entrene areconocer como zapatos los que separecen a los de la primera
imagencuando vea una imagen de la segunda o latercera forma de los zapatos no los va
areconocer como zapatos a pesar de que sílo sonobviamente esto no suena como un
graveproblema a simple vista tu dices buenobueno reconoce zapatos o no reconocetenis no hay
mucho problema pero imaginaun caso de la vida real en que googlephotos libero una un fichero en
el quela herramienta de google photosetiquetaba automáticamente las imágenesy una vez que ya
está en producción estefeature al subir una foto de una personaafroamericana el algoritmo lo
etiquetócomo un chango aquí sí ya parecepreocupante no ahora imagínate tambiénel caso de que
estaban en una convenciónhaciendo un demo de una herramienta dereconocimiento de voz que
funcionabaperfecto al probarla no funcionabaincreíble todos pasaban y causaban yfuncionaba
excelente reconoció la vozsin problemas pero el día en que laprobaron con una voz de mujer
nofuncionó porque se dieron cuenta quenunca le habían entrenado con voz demujereseste
problema se le llama human vías yes un problema muy común que se puedeenfrentar una persona
al desarrollar undispositivo o una aplicación de machinelearning esto quiere decir que yo
comohumano tengo ciertas creencias y tengociertos conceptos que yo se los voy atransmitir a mi a
mi programa odispositivoen ciertos otro tipo de programas que noimplican machine lineno causa
tanto problema pero cuando yaestás creando un dispositivo o unaaplicación que va a interactuar
conseres humanos con en un mundotridimensional hay muchísimas cosas quetienes que cuidar
para evitar este tipode problemas que te acabo de mencionaryo quisiera decirte que si alguna
vezllegas a pensar que la inteligenciaartificial puede acabar con el mundo megustaría que pensaras
que detrás de cadainteligencia artificial también hay unamano humana que la ha programado
estosignifica que de nosotros losdesarrolladores depende usar lainteligencia artificial para el bienla
razón por la que yo hay de martínezme esfuerzo tanto en compartir estostemas y en que más y más
gente hable ysepa de machine learning es para que másgente pueda desarrollar y mientras
másgente desarrolle más rápido pasará algoque provocará que machine learning searegulado
porque creo yo lo quenecesitamos regular machine learningbueno hay un montón de cosas que
seestán utilizando en machine learningpara el bien no hay sensores que puedenhacer de todo
podemos ver la detecciónfacial que salió que ya tenía android yque ahora salió en el nuevo iphone
perotambién en varios lugares deinvestigación utilizan sensores que leenondas celebrar es
utilizando loselectroencefalograma y han hecho cosasmaravillosas como poder controlar sillasde
ruedas con el pensamiento entre otrascosas pero así como el espectro de cosasbuenas es súper
amplio es igual degrande el espectro de cosas malas quepueden hacersin embargo aquí hay otro
gran dilema loque para mí es bueno no significa quepara ti también sea bueno obviamentecreo que
yo y hitler diferimos ennuestras definiciones de lo bueno yalguien tiene que definir el concepto delo
bueno para el uso de la machinelearningcreo yo que es importante plantear desdeeste momento
dos cosasy una inteligencia artificial llega aser más inteligente que un humanoentonces también
tiene que ser más buenaque un humano y otra cosa que yo creomuy importante es que nunca
debemosdarle poder interminable a unainteligencia artificial es decir siempretenemos que tener la
forma de poderapagar o desconectarlo o quitarle lasbaterías o lo que sea no esto es lo queyo creo
que debemos hacer para evitarproblemas en el futuro noy bueno la mayoría de las personaspiensa
o dice que es muy difícil hacermachine learningdebido al nivel matemático que senecesita yo creo
que debemos quitarleese miedo practicando álgebraprobabilidad y estadística haciendo unpoco de
bases de datos ciencia de datosafinando nuestra lógica de programacióncon eso yo creo que
cualquier personapuede aprenderlo si ustedes recuerdan yovenía de un background en el que
nosabía ni programar yo no nací hay muchagente que me dice que soy muyinteligente pero yo no
nací siendo ungenio ni nada por el estilo lo que helogrado lo he logrado a través dematarme horas
estudiando y practicandoetcétera eso es lo que yo creo que me hallevado hasta donde estoy
esforzarmedemasiado en estas cosas y te quierocontestar unas preguntas tú crees quemachine
learning es mucho mucho trabajosi lo escrees que tienes que estudiar muchísimotambién pero creo
que cualquier personapuede lograr hacer machine learning conel esfuerzo adecuado claro que sí
ysobre todo creo que valdrá la pena sirealmente teuna ya que tendrás la oportunidad de serparte de
una de las tecnologías que vana cambiar o que ya están cambiandonuestro mundosi tú lo que
quieres realmente esimpactar en el desarrollo de tecnologíashoy en día ahí tienes por dónde
empezarno match in learning puede darte estaoportunidad puedes convertirte enalguien en un
agente de cambio del mundode la tecnología etcétera