Adrián Hernández – Machine learning y computación
En un post pasado describimos la cadena de valor de los modelos generativos como ChatGPT y en otro analizamos si hay una burbuja en la inteligencia artificial (IA) generativa debido a la gran cantidad de startups que están surgiendo. En dichos posts identificamos las siguientes partes de la cadena de valor de los modelos generativos:... Seguir leyendo →
Como hemos ido viendo en esta Web, el uso de GPUs y nuevos modelos de deep learning ha logrado grandes avances en visión artificial, procesamiento de lenguaje, juegos, etc. Para ello han sido clave modelos de redes neuronales multicapa, RNNs, CNNs y posteriormente transformers basados en el mecanismo de atención. Por otro lado, en la... Seguir leyendo →
Una pregunta que siempre nos planteamos en machine learning y en deep learning es la diferencia entre algoritmos discriminativos y generativos y cuál escoger para un problema concreto. Los algoritmos discriminativos modelan la dependencia de una variable objetivo Y en función de una variable observada X. De esta forma se puede predecir la variable Y ... Seguir leyendo →
En los últimos meses hemos visto mucha discusión sobre si la IA generativa es una burbuja económica o no. Ahora parece que todas las startups tienen algún componente de IA generativa. Recientemente, Financial Times nos dio su visión escéptica. Bank of America primero dijo que era una burbuja y luego se desdijo. Goldman Sachs a... Seguir leyendo →
Hemos creado una serie de tutoriales para introducir uno de los frameworks de deep learning más avanzados, PyTorch, y sus principales módulos. A continuación se puede ver un listado con las partes del curso: Programación orientada a objetos en PyTorch. Tensores en PyTorch. Almacenamiento de tensores en PyTorch. Módulo de redes neuronales. Optimización en PyTorch.... Seguir leyendo →
En un artículo anterior analizamos el impacto económico de los modelos generativos y los modelos de deep learning. La aparición en los últimos años de modelos generativos de deep learning como GPT-X, ChatGpt, Bard, DALLE,... ha generado muchas expectativas de negocio en todos los participantes de la cadena de valor de estos modelos. Es entonces... Seguir leyendo →
En los últimos años, los avances en procesadores gráficos (GPUs) y las nuevas arquitecturas y modelos de deep learning como los transformers han supuesto una revolución científica. La pregunta que surge es cómo trasladar estos avances en nuevos productos y un mayor impacto económico y social. Estos últimos meses hemos visto la revolución que ha... Seguir leyendo →
En otro post comentamos los requisitos para que exista una ventaja cuántica exponencial: El problema debe tener cierta estructura que pueda ser accedida por el algoritmo cuántico usando la superposición, el entrelazado y la interferencia. Un algoritmo clásico no puede acceder fácilmente a dicha estructura y por lo tanto no puede resolver el problema en... Seguir leyendo →
En los últimos años hemos visto un gran avance en la computación cuántica, tanto en la parte hardware con nuevos procesadores basados en iones atrapados, superconductores o fotónica, como en la parte software con nuevos algoritmos que intentar mejorar en eficiencia a los clásicos. Este avance ha llevado a que exista un elevado optimismo sobre... Seguir leyendo →
Introducción a Qiskit Es un marco de desarrollo de software (SDK) de IBM de código abierto para trabajar con computadoras cuánticas a nivel de circuitos, pulsos y algoritmos. Qiskit se compone de elementos que trabajan juntos para permitir la computación cuántica. Qiskit Terra proporciona herramientas para crear circuitos cuánticos en o cerca del nivel del código de... Seguir leyendo →
Orgullosamente ofrecido por WordPress | Tema: Baskerville 2 por Anders Noren.