4. Fuente: Disruptability Index 2018 - Accenture
El 63% de empresas están experimentando disrupción y el 44% son
susceptibles a disrupción futura.
DISRUPCIÓN DIGITAL
5. La industria bancaria es más expuesta a la disrupción, tanto por el alto nivel de interacción
con los usuarios como por las bajas barreras de entrada gracias a la tecnología actual.
DISRUPCIÓN DIGITAL
9. MACHINE LEARNING
¿Qué es Machine Learning?
“Una máquina aprende
cuando es capaz de
acumular experiencia (a
través de datos,
programas, etc.) y
desarrollar nuevos
conocimientos para que su
desempeño en tareas
específicas mejore con el
tiempo”
Izenman (2008)
11. La Inteligencia Artificial (IA) estudia los
comportamientos inteligentes en
dispositivos.
El Machine Learning (ML) estudia los
algoritmos que mejoran su rendimiento
incorporando nuevos datos a un modelo
existente.
El Deep Learning (DL) usa algoritmos de
redes neuronales artificiales para extraer
características cada vez más complejas
a partir de los datos de entrada,
buscando mejorar su rendimiento
MACHINE LEARNING
PHASE I
PHASE II
PHASE III
12. PROGRAMACIÓN VS ML
MACHINE LEARNING
Se definen las reglas y el
programador las implementa
El algoritmo aprende en un modelo
las reglas en lugar de ser
implementadas por un programador
14. TIPOS DE ML SUPERVISADO
REGRESIÓN
CLASIFICACIÓN
La regresión busca predecir un valor real como tal, mientras que la clasificación
busca conocer la probabilidad de pertenencia a una clase.
22. EL FUTURO: ¿Quién ganará?
El 27 de enero de 2025, las acciones de Nvidia experimentaron una caída del 17%,
atribuida al lanzamiento de DeepSeek, lo que resultó en una pérdida de casi $600
mil millones en su capitalización de mercado.
24. 77.5 puntos en AIME 2024, superando a
GPT-4o y Claude Sonnet 3.5.
96.2% en MATH 500, destacándose en
pruebas matemáticas avanzadas.
94% de percentil en Codeforces,
demostrando gran habilidad en
programación competitiva.
74.9 puntos en MathVista y 77.3 en
MMMU, sobresaliendo en tareas de
visión computacional.
26. Las redes
neuronales inician
con grandes
errores pero van
mejorando con la
agregación de
neuronas y capas
Clasificación y
Clustering son
conceptos
totalmente
diferentes
Los Modelos de
ML son una
herramienta
basada en datos,
sin estos, no hay
modelo
IA se trata de
Retirar las
tareas de robot
al ser humano
Los modelos
supervisados
requieren que
se les entregue
las variables Y
y X
29
CONCLUSIONES
27. El éxito en la creación de IA sería el
evento más grande en la historia de
la humanidad.
Desafortunadamente, también
podría ser el último, a menos que
aprendamos a evitar los riesgos”.
Stephen Hawking
