MLOps & Beers

No te puedes perder este cuarto evento de MLOps Community Madrid! Volvemos este año con las pilas cargadas y una sesión muy interesante!

Hablaremos con un equipo de BBVA AI factory sobre un sofisticado pipeline aplicado a la recuperación de deuda. Carlos y Pablo nos contarán todas las técnicas que han usado para optimizar el sistema al máximo.

Además, como no, en esta comunidad ya tocaba hablar de LLMs, así que Carlos, de Fujitsu, nos contará cuáles son los principales retos de tener estos modelos en produccion.

Os dejamos más detalles abajo sobre las charlas y los ponentes:

1ª PARTE: Más vale prevenir que curar, un remedio en forma de pipeline!

En esta charla, Carlos y Pablo, Data Scientist del equipo de BBVA AI Factory nos presentarán un pipeline de Machine Learning en Python que han desarrollado para optimizar la gestión de deuda en el área de recuperaciones. Este enfoque no solo agiliza el proceso, sino que también ofrece soluciones preventivas y estrategias para salir del estado de incumplimiento, generando impactos positivos tanto para los clientes como para el banco. En este pipeline, emplean librerías de última generación en el campo del Machine Learning, destacando su dedicación a la innovación en el área de riesgos.

En esta presentación abordaremos conceptos como AutoML (usando librerías como AutoGluon y FLAML), métodos avanzados de optimización de hiperparámetros (permutation feature importance y recursive feature elimination) y técnicas de explicabilidad (SHAP) entre otros, proporcionando una visión integral de las herramientas utilizadas en la metodología MLOps de BBVA.

¡No os perdáis la oportunidad de descubrir cómo la tecnología puede transformar la gestión de deuda!

2ª PARTE: LLMOps: Ante el reto de trabajar con LLMs en producción.

El avance exponencial de los grandes modelos de lenguaje (LLM) y de la Inteligencia Artificial Generativa ha supuesto una revolución, facilitando y expandiendo casos de uso en prácticamente todos los sectores. En esta charla Carlos, GenAI & NLP Practice Lead de Fujitsu nos contará las oportunidades que ofrece la IA Generativa aplicada al lenguaje, así como los retos a la hora de trabajar con LLMs en entornos productivos y algunas buenas prácticas para mitigar alucinaciones y sesgos, controlar las respuestas de los modelos, y en esencia, poder crear sistemas basados en este tipo de modelos.

BIO Carlos (Fujitsu):

Carlos Rodríguez lidera la práctica y desarrollo de soluciones de IA Generativa y NLP en el CoE de Data Intelligence de Fujitsu. Es Ingeniero de Telecomunicación con un máster en Teoría de la Señal y Comunicaciones, ambos por la Universidad Politécnica de Madrid. Experto en Inteligencia Artificial y Procesamiento del Lenguaje Natural, anteriormente trabajó en proyectos de IA en empresas como Telefónica, EY, Vodafone y British Telecom. Desde 2019, colabora en diversos programas de postgrado en materias relacionadas con la IA, el NLP, o el Computer Vision.

BIO Pablo (BBVA):

Pablo es graduado en matemáticas por la Universidad Autónoma de Madrid y especializado en ciencia de datos. Empezó a trabajar en proyectos de visión por computador en perif.ai, una startup de fotoperitación de automóviles. Tras esto llegó a BBVA donde actualmente trabaja en la creación de modelos de recuperaciones en el área de riesgos del banco, impulsando el uso de soluciones innovadoras de ML y nuevas formas de desarrollo. No falta a su cita semanal con el último capítulo de One Piece.

BIO Carlos (BBVA):

Carlos es graduado en ingeniería informática y computación y sistemas inteligentes por la universidad de Granada. Empezó su carrera en ciencia de datos en Telefonica en 2017, trabajando con NLP y teoría de grafos para un proyecto de análisis de crisis reputacionales. Después de un tiempo dió el salto a banca en Santader desarrollando modelos de propension y experimentación usando testA/B como afectaba acciones comerciales a clientes poco propensos. Actualmente trabaja en BBVA construyendo modelos de ML en un proyecto de transformación de la gestión de deuda con IA. Barista en sus ratos libres.