M谩s

    Sobre aprendizaje autom谩tico de c贸digo bajo y LLM

    - Advertisement -

    AI News se sent贸 con Piero Molino, CEO y cofundador de Predibasedurante este a帽o Exposici贸n de IA y Big Data para discutir la importancia del c贸digo bajo en el aprendizaje autom谩tico y las tendencias en LLM (modelos de lenguaje grande).

    En esencia, Predibase es una plataforma de aprendizaje autom谩tico declarativo que tiene como objetivo optimizar el proceso de desarrollo e implementaci贸n de modelos de aprendizaje autom谩tico. La empresa tiene la misi贸n de simplificar y democratizar el aprendizaje autom谩tico, haci茅ndolo accesible tanto para organizaciones expertas como para desarrolladores que son nuevos en el campo.

    La plataforma empodera a las organizaciones con expertos internos, lo que les permite potenciar sus capacidades y reducir los tiempos de desarrollo de meses a solo d铆as. Adem谩s, atiende a los desarrolladores que desean integrar el aprendizaje autom谩tico en sus productos pero carecen de la experiencia.

    Al usar Predibase, los desarrolladores pueden evitar escribir l铆neas extensas de c贸digo de aprendizaje autom谩tico de bajo nivel y, en su lugar, trabajar con un archivo de configuraci贸n simple, conocido como archivo YAML, que contiene solo 10 l铆neas que especifican el esquema de datos.

    Predibase alcanza disponibilidad general

    Durante la exposici贸n, Predibase anunci贸 la disponibilidad general de su plataforma.

    Una de las caracter铆sticas clave de la plataforma es su capacidad para abstraer la complejidad del aprovisionamiento de infraestructura. Los usuarios pueden ejecutar sin problemas trabajos de capacitaci贸n, implementaci贸n e inferencia en una sola m谩quina con CPU o escalar hasta 1000 m谩quinas con GPU con solo unos pocos clics. La plataforma tambi茅n facilita la integraci贸n con varias fuentes de datos, incluidos almacenes de datos, bases de datos y almacenes de objetos, independientemente de la estructura de datos.

    鈥淟a plataforma est谩 dise帽ada para que los equipos colaboren en el desarrollo de modelos, con cada modelo representado como una configuraci贸n que puede tener m煤ltiples versiones. Puedes analizar las diferencias y el rendimiento de los modelos鈥, explica Molino.

    Una vez que un modelo cumple con los criterios de rendimiento requeridos, se puede implementar para predicciones en tiempo real como punto final REST o para predicciones por lotes mediante consultas similares a SQL que incluyen capacidades de predicci贸n.

    Importancia del c贸digo bajo en el aprendizaje autom谩tico

    Luego, la conversaci贸n se centr贸 en la importancia del desarrollo de c贸digo bajo en la adopci贸n del aprendizaje autom谩tico. Molino enfatiz贸 que simplificar el proceso es esencial para una adopci贸n m谩s amplia de la industria y un mayor retorno de la inversi贸n.

    鉂 Tambi茅n te interesa:馃摲 ITN explorara como la IA puede ser una fuerza paraITN explorar谩 c贸mo la IA puede ser una fuerza para el bien en la AI & Big Data Expo este noviembre

    Al reducir el tiempo de desarrollo de meses a cuesti贸n de d铆as, Predibase reduce la barrera de entrada para que las organizaciones experimenten con nuevos casos de uso y potencialmente desbloqueen un valor significativo.

    鈥淪i cada proyecto tarda meses o incluso a帽os en desarrollarse, las organizaciones no tendr谩n incentivos para explorar casos de uso valiosos. Bajar el list贸n es crucial para la experimentaci贸n, el descubrimiento y el aumento del retorno de la inversi贸n鈥, dice Molino.

    鈥淐on un enfoque de c贸digo bajo, los tiempos de desarrollo se reducen a un par de d铆as, lo que facilita probar diferentes ideas y determinar su valor鈥.

    Tendencias en LLM

    La discusi贸n tambi茅n abord贸 el creciente inter茅s en modelos de lenguajes grandes. Molino reconoci贸 el tremendo poder de estos modelos y su capacidad para transformar la forma en que las personas piensan sobre la IA y el aprendizaje autom谩tico.

    鈥淓stos modelos son poderosos y revolucionan la forma en que las personas piensan sobre la IA y el aprendizaje autom谩tico. Anteriormente, era necesario recopilar y etiquetar datos antes de entrenar un modelo de aprendizaje autom谩tico. Pero ahora, con las API, las personas pueden consultar el modelo directamente y obtener predicciones, lo que abre nuevas posibilidades鈥, explica Molino.

    Sin embargo, Molino destac贸 algunas limitaciones, como el costo y la escalabilidad de los modelos de precios por consulta, las velocidades de inferencia relativamente lentas y las preocupaciones sobre la privacidad de los datos cuando se utilizan API de terceros.

    En respuesta a estos desaf铆os, Predibase presenta un mecanismo que permite a los clientes implementar sus modelos en una nube privada virtual, lo que garantiza la privacidad de los datos y proporciona un mayor control sobre el proceso de implementaci贸n.

    Errores comunes

    A medida que m谩s empresas se aventuran en el aprendizaje autom谩tico por primera vez, Molino comparti贸 sus ideas sobre algunos de los errores comunes que cometen. Hizo hincapi茅 en la importancia de comprender los datos, el caso de uso y el contexto comercial antes de sumergirse de lleno en el desarrollo.

    鈥淯n error com煤n es tener expectativas poco realistas y una discrepancia entre lo que esperan y lo que realmente se puede lograr. Algunas empresas se lanzan al aprendizaje autom谩tico sin comprender completamente los datos o el caso de uso, tanto t茅cnicamente como desde una perspectiva comercial鈥, dice Molino.

    Predibase aborda este desaf铆o al ofrecer una plataforma que facilita la prueba de hip贸tesis, integrando la comprensi贸n de datos y el entrenamiento de modelos para validar la idoneidad de los modelos para tareas espec铆ficas. Con las medidas de seguridad implementadas, incluso los usuarios con menos experiencia pueden participar en el aprendizaje autom谩tico con confianza.

    鉂 Tambi茅n te interesa:馃摲 Los 10 principales usos emergentes de IA y ML enLos 10 principales usos emergentes de IA y ML en centros de datos

    El lanzamiento de disponibilidad general de la plataforma de Predibase marca un hito importante en su misi贸n de democratizar el aprendizaje autom谩tico. Al simplificar el proceso de desarrollo, Predibase tiene como objetivo desbloquear todo el potencial del aprendizaje autom谩tico para organizaciones y desarrolladores por igual.

    Puedes ver nuestra entrevista completa con Molino a continuaci贸n:

    驴Quiere aprender m谩s sobre IA y big data de los l铆deres de la industria? Verificar Exposici贸n de IA y Big Data teniendo lugar en 脕msterdam, California y Londres. El evento es co-ubicado con Semana de la Transformaci贸n Digital.

    • ryan daws

      Ryan es editor senior en TechForge Media con m谩s de una d茅cada de experiencia cubriendo la 煤ltima tecnolog铆a y entrevistando a figuras l铆deres de la industria. A menudo se lo puede ver en conferencias tecnol贸gicas con un caf茅 fuerte en una mano y una computadora port谩til en la otra. Si es geek, probablemente le guste. Encu茅ntralo en Twitter (@Gadget_Ry) o Mastodon (@[email protected])

      Ver todas las publicaciones

    Etiquetas: ai & big data expo, ai y big data expo, ai expo, inteligencia artificial, aprendizaje autom谩tico, piero molino, predibase

    Fuente: Sobre aprendizaje autom谩tico de c贸digo bajo y LLM

    鉂 Tambi茅n te interesa:馃摲 Databricks adquiere MosaicML pionero de LLM por 1300 millones deDatabricks adquiere MosaicML, pionero de LLM, por 1300 millones de d贸lares

    Populares

    M谩s de esta categor铆a

    DEJA UNA RESPUESTA

    Por favor ingrese su comentario!
    Por favor ingrese su nombre aqu铆

    Este sitio usa Akismet para reducir el spam. Aprende c贸mo se procesan los datos de tus comentarios.