ML Papers GDG CDMX Feb 2025 Session 0 by Google Developer Group CDMX
Descargar como PPTX, PDF0 recomendaciones127 vistas
ML Papers GDG CDMX Feb 2025 Session 0
ML Papers GDG CDMX Feb 2025 Session 0 by Google Developer Group CDMX
- 1. Club de estudio de papers de ML - Sesión 0 Google Developer Group Ciudad de México
- 2. Co-founder & Machine Learning Engineer @ DEVF, CodeFlux.ai GDG | TFUG CDMX co- organizer @cogitovsmachina Kike Diaz
- 3. 8 Agenda del programa Semana Fecha Lecturas Líder 1 7 Marzo 2025 A Few Useful Things to Know about Machine Learning Kike Diaz 2 14 Marzo 2025 Playing Atari with Deep Reinforcement Learning Kike Diaz 3 21 Marzo 2025 Attention Is All You Need Kike Diaz 4 28 Marzo 2025 Gradient-Based Learning Applied to Document Recognition Kike Diaz 5 3 Abril 2025 GANs: Generative Adversarial Networks. Kike Diaz Google Developer Group Ciudad de México
- 4. Nuevo patrocinador: Google For Startups. Aplica aquí
- 5. 1 ¿Cómo se ve la sesión de hoy? Google Developer Group Ciudad de México 1. Estudiamos juntos en línea. 2. Atendemos discusiones técnicas. 3. Tocamos base de manera regular.
- 6. Q&A
- 7. 1 Google Developer Group Ciudad de México Puedes usar NotebookLM de Google aquí.
- 8. 5 A Few Useful Things to Know about Machine Learning 1. Introducción. 2. Los Tres Componentes Fundamentales del Aprendizaje. 3. Principales Conceptos Clave para Proyectos de ML. 4. Desafíos Comunes en Machine Learning. 5. Estrategias Clave para el Éxito en ML. 6. Consideraciones Filosóficas y Prácticas. 7. Conclusiones. Google Developer Group Ciudad de México
- 9. 1 1. Introducción. Google Developer Group Ciudad de México
- 10. 📌 ¿Qué es el aprendizaje automático? 📌 Importancia y aplicaciones prácticas. 📌 Propósito del artículo: compartir el "folk knowledge" esencial para proyectos exitosos de ML. 1. Introducción 1 Google Developer Group Ciudad de México
- 11. 1. Introducción 1 Google Developer Group Ciudad de México
- 12. 1 2. Los Tres Componentes Fundamentales del Aprendizaje. Google Developer Group Ciudad de México
- 13. 2. Los 3 Componentes Fundamentales del Aprendizaje. 📌 Representación: ¿Cómo se representa el modelo? Importancia del espacio de hipótesis. 📌 Evaluación: Función objetivo: medir qué tan bueno es un modelo. Métricas comunes (accuracy, precisión, etc.). 📌 Optimización: Cómo encontrar el mejor modelo dentro del espacio de hipótesis. Métodos comunes (descenso de gradiente, búsqueda greedy). 1 Google Developer Group Ciudad de México
- 14. 2. Los 3 Componentes Fundamentales del Aprendizaje. 1 Google Developer Group Ciudad de México
- 15. 1 3. Principales Conceptos Clave para Proyectos de ML. Google Developer Group Ciudad de México
- 16. 📌 Generalización: el objetivo central. 📌 La insuficiencia de los datos por sí solos. 📌 El dilema del sobreajuste (overfitting) y su relación con el sesgo y la varianza. 3. Principales Conceptos Clave para Proyectos de ML. 1 Google Developer Group Ciudad de México
- 17. 3. Principales Conceptos Clave para Proyectos de ML. 1 Google Developer Group Ciudad de México
- 18. 1 4. Desafíos Comunes en Machine Learning. Google Developer Group Ciudad de México
- 19. 📌 La maldición de la dimensionalidad. 📌 Problemas con la intuición en espacios de alta dimensión. 📌 Limitaciones de las garantías teóricas. 4. Desafíos Comunes en Machine Learning. 1 Google Developer Group Ciudad de México
- 20. 4. Desafíos Comunes en Machine Learning. 1 Google Developer Group Ciudad de México
- 21. 1 5. Estrategias Clave para el Éxito en ML. Google Developer Group Ciudad de México
- 22. 📌 Ingeniería de características (Feature Engineering): la clave del éxito. 📌 La importancia de más datos vs. algoritmos sofisticados. 📌 Probar y combinar múltiples modelos (ensembles). 📌 Cuidado con los conceptos erróneos (simplicidad ≠ precisión). 5. Estrategias Clave para el Éxito en ML. 1 Google Developer Group Ciudad de México
- 23. 1 6. Consideraciones Filosóficas y Prácticas. Google Developer Group Ciudad de México
- 24. 📌 Representable no implica aprendible. 📌 Correlación no implica causalidad. 📌 Valor del conocimiento explícito incorporado. 6. Consideraciones Filosóficas y Prácticas. 1 Google Developer Group Ciudad de México
- 25. 1 7. Conclusiones. Google Developer Group Ciudad de México
- 26. 📌 Resumen de las mejores prácticas. 📌 Recomendaciones finales para proyectos de machine learning. 📌 Recursos sugeridos para profundizar. 7. Conclusiones. 1 Google Developer Group Ciudad de México
- 27. Q&A
- 28. Google Developer Group Ciudad de México ¡Gracias! Club de estudio de papers de ML - Sesión 0
- 29. Google Developer Group Ciudad de México
Notas del editor
- #2: Mi nombre es Kike Diaz, soy ingeniero de software y co-fundador de DevF, la escuela de programación más grande de América Latina. Tres cosas que tienes que saber sobre mi. Aprendí a programar en 1994, a los 7 años de edad. Software Engineer (contract) @ Google México & Motorola México. Verificado19s.
- #7: Hola, muy interesante me gustaría saber si existe la posibilidad de poder colaborar con ustedes con conferencia o para difundir estas iniciativas o realizar un evento de la GDG en mi tecnológico, soy Layonet Salvador ingeniero y sistemas inteligente y me gustaría poder llevar estas iniciativas a mis alumnos, mi correo layonet.bp@iztapalapa3.tecnm.mx, layonetsalvador@gmail.com WhatsApp 5591118061.
- #28: Hola, muy interesante me gustaría saber si existe la posibilidad de poder colaborar con ustedes con conferencia o para difundir estas iniciativas o realizar un evento de la GDG en mi tecnológico, soy Layonet Salvador ingeniero y sistemas inteligente y me gustaría poder llevar estas iniciativas a mis alumnos, mi correo layonet.bp@iztapalapa3.tecnm.mx, layonetsalvador@gmail.com WhatsApp 5591118061.