microsoft data & ai experience 2018 latam · casos reales de iot, armando blanco, global...
TRANSCRIPT
Microsoft Data & AI Experience2018 LATAM
Facundo Monteiro KempfLíder de Negocios de Data & AI
Microsoft Latin America
Agenda 19 de Marzo
Sesión Developers Sesión Técnica Sesión Soluciones
Sala Yapeyú Sala Chacabuco Auditorio Gran Bourg
09:00
09:30Apertura || Angel Santiago, Director de la
Unidad de Negocio de NubeApertura || Aylton De Souza , Lider de
Negocios de AI & IoTApertura || Facundo Monteiro Kempf,
Lider de Negocios de Data & AI
09:45Data Science con SQL Server 2017,
Michael Helbraun, Technical Solutions Professional Microsoft Corporation
¿Cómo comenzar con Microsoft AI?, iData, Regional Partner
Machine Learning por Industria, Armando Blanco, Global Blackbelt Microsoft Latin
America || E&Y
11:15
11:35Prácticas de Big Data y Advanced Analytics,
Michael Helbraun, Technical Solutions Professional Microsoft Corporation
Implementación de SQL en Linux y Modelos Predictivos, Rogelio Oliva,
Global Blackbelt Microsoft Latin America
Casos Reales de IoT, Armando Blanco, Global Blackbelt Microsoft Latin America
13:15
14:30
Mobile Development y AI para Desarrolladores, Roberto Cervantes,
Technical Solutions Professional Microsoft Corporation
CosmosDB, Matias Quaranta, Software Engineer Microsoft Corporation
Casos de la Vida Real, Salvador Alvarez Patuel /Javier Ortiz, Services Solution
Specialist de Data & Analytics Microsoft Mexico / Services Solution Specialist
Microsoft Argentina
16.00
16:30El Internet de las Cosas, Branko Straub Argentina, Senior Technical Evangelist
Microsoft Latin America
Microsoft Cognitive Services & Machine Learning, iData, Regional Partner
Use simple AI para Solucionar Problemas de Negocio, Armando Blanco, Global
Blackbelt Microsoft Latin America || Practia
18:00 Cierre || Angel Santiago, Director de la Unidad de Negocio de Nube
Cierre || Aylton De Souza , Líder de Negocios de AI & IoT
Cierre || Facundo Monteiro Kempf, Líder de Negocios de Data & AI
Time
BREAK
Breakfast
Break
Lunch
Agenda 20 de MarzoHorario Conferencia Speaker
09:00
09:30 Enable Digital Transformation in Your Business
Diego Bekerman , Director General, Microsoft Argentina
10:00 Artificial Intelligence for ALL Greg Fuller, Sr Director Solution Sales, Microsoft Corporation
11:05
11:30 Customer RoundtableModerador: Angel Santiago Iglesias, Director Cloud and Enterprise Microsoft Latin America
12:20 Presentación Caso Gobierno de Salta
Moderador: Diego Bekerman, Director General, Microsoft Argentina
13:00
14:30 Journey to the Cloud Martín Migoya, CEO Globant Argentina
15:00 Transform Your Business with Data & Artificial Intelligence
Pablo Castro, Partner Director of Software Engineeer in AI Microsoft Corporation
16:00
Applied AI: Innovation with Cognitive Services and Bots – How to transform your customer and internal services
Kevin Sauer , Director Solution Specialist Data Platform & AI, Microsoft Corporation
16:55 Cierre & Conclusiones del día Angel Santiago Iglesias, Director Cloud and Enterprise Microsoft Latin America
17:15
Breakfast
Break
Lunch
Happy Hour
¿Querés ganar el libro “The Future Computed”de Brad Smith?
Unite a la conversación del evento en Twitter con el hashtag #LATAMDataAI y mencioná a @MSFTArgentina
¡Los dos más activos serán los ganadores! Cada tweet suma, no dejes de participar.
Machine Learning
Armando Blanco Especialista IoT / AIMicrosoft LATAM
[email protected]/in/jabg53/
Mercedes CombetManager Digital Data & [email protected]
Nelson PonzoniSenior Digital Data & [email protected]
InteligenciaArtificial
Machine Learning
Deep Learning
Ciencia de datos
Es la obtención de conocimiento proveniente de datos estructurados y/o no estructurados que pueden o no ser de gran volumen.
Data and AI LATAM 018
Pregunta de negocio Modeladomatemático
Predicción
Explicación
o Toma deDecisión
Decisiones basadas en hechos.
Estadística tradicional vs Aprendizaje de máquina
Data and AI LATAM 018
Aprendizaje de máquina• Hace hincapié en las predicciones• Evalúa los resultados a través de la calidad de
la predicción• Preocupación por el sobreentrenamiento
pero no por la complejidad del modelo per se• Énfasis en el rendimiento• Generalización se obtiene a través de su
aplicación sobre nuevos conjuntos de datos• Por lo general no hay un modelo de
superpoblación especifica• Preocupación por el rendimiento y la
robustez
Análisis estadísticos tradicionales• Hacen hincapié en la inferencia de
superpoblación• Se centra en la hipótesis a priori• Modelos más simples se prefieren a los
complejos (parsimonia), aunque los modelos más complejos lo representen mejor
• Énfasis en la capacidad de interpretar los parámetros
• Modelado estadístico y los supuestos de muestreo conectan los datos a una población de interés
• Preocupación por los supuestos y robustez
Aprendizaje de máquina
Data and AI LATAM 018
Es una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender.
Algoritmos capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos.
El aprendizaje se cataloga como supervisado, por refuerzo o no supervisado dependiendo de si el algoritmo debe contar o no con información específica de datos satisfactorios para el objetivo del aprendizaje.
Microsoft Azure Machine Learning: Algorithm Cheat Sheet
Pregunta 1: ¿esto es A o B? utiliza algoritmos de clasificación
• Se romperá este neumático en las próximas 1000 millas ¿sí o no?• Qué aporta más clientes ¿un cupón de 5 USD o un descuento del 25 %?• Esta pregunta también puede modificarse para que incluya más de dos opciones: ¿esto es A o B o
C o D, etc.? Esto se denomina clasificación multiclase y es útil cuando hay varias respuestas (o varios miles de respuestas) posibles. La clasificación multiclase elige la más probable.
Data and AI LATAM 2018
Pregunta 2: ¿es extraño? utiliza algoritmos de detección de anomalías
• Si tiene un automóvil con indicadores de presión, puede desear saber: ¿la lectura de este medidor de presión es normal?
• Si está supervisando Internet puede desear saber: ¿este mensaje de Internet es típico?
Data and AI LATAM 2018
Pregunta 3: ¿cuánto? o ¿cuántos? utiliza algoritmos de regresión
• ¿Qué temperatura hará el martes que viene?• ¿Cuáles serán las ventas del cuarto trimestre?
Data and AI LATAM 2018
Pregunta 4: ¿cómo está organizado? utiliza algoritmosde clústeres
• A qué espectadores les gusta el mismo tipo de películas?• ¿Qué modelos de impresora generan errores del mismo modo?
Data and AI LATAM 2018
Pregunta 5: ¿qué debo hacer ahora? utiliza algoritmos de aprendizaje reforzado
• Si soy un sistema de control de temperatura de una casa: ¿ajusto la temperatura o la dejo como está?
• Si soy un automóvil sin conductor: ante un semáforo en ámbar ¿freno o acelero?• Para un robot aspirador: ¿Sigo aspirando o vuelvo a la estación de carga?
Services
Infrastructure
Tools
Azure AI Services
Azure Infrastructure
Tools
• Cree máquinas Windows y Linux en minutos• Amplia gama de configuraciones• Escala a lo que necesitas• Pague solo por lo que usa• Precargado con un conjunto completo de
herramientas y utilidades diseñadas específicamente para el científico de datos pro
Data and AI LATAM 2018
Cross Industry Standard Process for Data Mining (CRISP – DM)
Comprensión del negocio
Comprensión de los datos
Preparación de los datos
Modelado
Evaluación
Implantación
Datos
Este objetivo se logrará dando acompañamiento al equipo de Inteligencia de negocio mediante la utilización de la metodología CRISP-DM
Data and AI LATAM 2018
Manufactura
Planeación de producción Manufactura
Mantenimiento Predictivo
Logística y distribución
Administración de inventarios Anaquel Ventas Recursos
Humanos
• Modelos de pronóstico de demanda por tipo de industria
• Optimización consumo de energía
• Optimización de uso de equipos
• Predicción de defectos en producción
• Predicción de fallas
• Optimización de rutas
• Modelos de planeación de capacidad
• Análisis de localización y cobertura
• Análisis de riesgo y seguros
• Recomendación de producto para venta cruzada
• Planeación de compras• Recomendación a
clientes de inventario
• Segmentación clientes• Predicción estacional de
ventas por canal• Pricing
• Modelos de predicción de reclutamiento
• Modelos de evaluación de desempeño
Data and AI LATAM 2018
Sector Financiero• Prospección de
nuevos clientes• Campañas
personalizadas
• Modelos de elasticidad para fijar precio (tasas)
• Predicción de la demanda
• Análisis conjunto para diseño del producto
• Siguiente mejor producto
• Predicción de abandono
• Segmentación
• Análisis de interacciones multicanal
• Optimización de la red• Optimización de efectivo
en cajeros• Identificación de
problemas de servicio y simulaciones
• Evaluación del riesgo a lo largo del ciclo de vida del crédito
• Detección de fraudes• Sistema de alertas y
planes de cobranza preventiva
• Modelos de predicción de reclutamiento RH
• Modelos de evaluación de desempeño
• Tableros de control en tiempo real
Mercadotecnia Diseño de Producto y Definición de Precios
Venta y Administración de Cartera
Administración deCanales
Operaciones Riesgo y CobranzaAdministración del
desempeño de empleados
EY - Video
Data and AI LATAM 2018
Retail
Recursos Humanos Pronóstico de ventas
Mantenimiento de sucursales
Logística y distribución
Administración de inventarios
Market BasketAnalysis Marketing
• Modelos de pronóstico de demanda por tipo de producto
• Optimización consumo de energía
• Optimización de uso de equipos
• Optimización de rutas
• Monitoreo y manejo de inventario en tiempo real
• Pronóstico de demanda óptima por producto
• Negociación efectiva con proveedores con base en datos históricos
• Recomendación de producto para venta cruzada
• Planeación de compras• Recomendación
personalizada a clientes
• Segmentación clientes• Predicción estacional de
ventas por canal• Pricing
• Modelos de predicción de reclutamiento
• Modelos de evaluación de desempeño
Data and AI LATAM 2018
Data and AI LATAM 2018
Predicción de defectos
Información histórica
Data Cleansing
Outlierdetection
Imputation
Predictivemodel (s)
Data and AI LATAM 2018
ResultadosTraining set Validation set
Data and AI LATAM 2018
Reducción de defectos
Sensores
¡Muchas Gracias!
Armando Blanco Especialista IoT / AIMicrosoft LATAM
[email protected]/in/jabg53/
Mercedes CombetManager Digital Data & [email protected]
Nelson PonzoniSenior Digital Data & [email protected]