[vc_section][vc_row css=\u00bb.vc_custom_1681910300131{padding-bottom: 30px !important;}\u00bb][vc_column]
<\/div><\/div>[\/vc_column][\/vc_row][vc_row full_width=\u00bbstretch_row\u00bb bg_type=\u00bbbg_color\u00bb bg_color_value=\u00bb#ededed\u00bb css=\u00bb.vc_custom_1681913912294{padding-top: 30px !important;padding-bottom: 30px !important;}\u00bb][vc_column][vc_row_inner][vc_column_inner][vc_column_text css=\u00bb\u00bb]<\/p>\n
[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row][vc_row][vc_column][vc_empty_space]
www.eurecat.org<\/a> | <\/strong>Linkedin<\/strong><\/a><\/p>\n [\/vc_column_text][\/vc_column_inner][vc_column_inner width=\u00bb3\/4″][vc_empty_space] <\/div><\/div>[vc_column_text css=\u00bb\u00bb]Es investigador en la unidad de Inteligencia Artificial Aplicada (AAI) de Eurecat. Es graduado en Ingenier\u00eda Inform\u00e1tica con especialidad en computaci\u00f3n y m\u00e1ster en Ingenier\u00eda Inform\u00e1tica, ambos por la Universitat de Lleida (UdL). Desde su llegada a Eurecat, ha estado involucrado en proyectos de anal\u00edtica de datos, inteligencia artificial e ingenier\u00eda de datos. Actualmente, trabaja en proyectos de visi\u00f3n artificial y procesamiento de lenguaje natural aplicando modelos y algoritmos de \u00faltima generaci\u00f3n para abordar retos como la detecci\u00f3n de objetos, la detecci\u00f3n de anomal\u00edas o la generaci\u00f3n de datos.[\/vc_column_text][vc_empty_space] www.ideai.upc.edu<\/a>\u00a0|<\/strong> @KarinagibertK<\/a><\/strong><\/p>\n [\/vc_column_text][\/vc_column_inner][vc_column_inner width=\u00bb3\/4″][vc_empty_space] <\/div><\/div>[vc_column_text css=\u00bb\u00bb]Catedr\u00e1tica de la Universitat Polit\u00e8cnica de Catalunya-BarcelonaTech (UPC). Licenciada y doctora en Inform\u00e1tica con las especialidades de estad\u00edstica computacional e inteligencia artificial. Directora y cofundadora del centro de Investigaci\u00f3n en Intelligent Data Science and Artificial Intelligence (IDEAI, en-2018). Decana del Colegio Oficial de Ingenier\u00eda Inform\u00e1tica de Catalu\u00f1a (COEINF), Mayo 2023-). Experta y coautora de la estrategia catalana de Inteligencia Artificial Catalonia.AI (Oct 2018, Generalitat de Catalunya). Asesora de los gobiernos Catalan, Nacional y de la Comisi\u00f3n Europea en temas de \u00e9tica de la IA y transformaci\u00f3n digital. Premio Ada Byron 2022, (aNoite Colegio de Ingenier\u00eda de Galicia), Premio donaTIC2018 (GenCat). Menci\u00f3n Creu Casas 2020-2021 (IEC).[\/vc_column_text][vc_empty_space] www.innoanalytix.com<\/a> | Linkedin<\/a> [\/vc_column_text][\/vc_column_inner][vc_column_inner width=\u00bb3\/4″][vc_empty_space] <\/div><\/div>[vc_column_text css=\u00bb\u00bb]Es licenciado en Ciencias Econ\u00f3micas por la Universitat Aut\u00f2noma de Barcelona y MBA por ESADE Business School. Su carrera profesional internacional se ha desarrollado en el sector tecnol\u00f3gico en diferentes industrias, centr\u00e1ndose en la Inteligencia Artificial durante los \u00faltimos 9 a\u00f1os, y ocupando responsabilidades tanto directivas como t\u00e9cnicas. Es cofundador de InnoAnalytiX y actualmente actua como CTO y Chief AI Scientist.[\/vc_column_text][vc_column_text css=\u00bb\u00bb][\/vc_column_text][vc_empty_space] https:\/\/www.nttdata.com<\/a> | <\/strong>Linkedin<\/strong><\/a><\/p>\n [\/vc_column_text][\/vc_column_inner][vc_column_inner width=\u00bb3\/4″][vc_empty_space] <\/div><\/div>[vc_column_text css=\u00bb\u00bb]Jos\u00e9 Perona<\/strong> se gradu\u00f3 como ingeniero de telecomunicaciones en la Universidad Carlos III de Madrid, con m\u00e1s de 8 a\u00f1os de experiencia dedicados a la inteligencia artificial. Ha trabajado en rob\u00f3tica social, participando en proyectos junto con el MIT Media Lab, y su carrera se ha especializado en procesamiento de lenguaje natural (NLP) y computer vision con una trayectoria enfocada en adoptar la tecnolog\u00eda m\u00e1s disruptiva. Entre sus responsabilidades actuales destacan el liderazgo de proyectos relacionados con la IA Generativa y la coordinaci\u00f3n del centro de innovaci\u00f3n en modelos de lenguaje (LLMs) para la regi\u00f3n de EMEAL.[\/vc_column_text][vc_column_text css=\u00bb\u00bb][\/vc_column_text][vc_empty_space][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":" En aquesta sessi\u00f3 veurem els darrers desenvolupaments i exemples de t\u00e8cniques que aprofundeixen en l’explicabilitat de la IA amb l’objectiu d’avan\u00e7ar cap a un \u00fas fiable i cada cop menys opac.<\/p>\n","protected":false},"author":5,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[523],"tags":[],"class_list":["post-64573","post","type-post","status-publish","format-standard","hentry","category-sin-categorizar","category-523","description-off"],"yoast_head":"\nORIOL AL\u00c0S<\/h2><\/div>
Researcher Applied Artificial Intelligence (AAI), Eurecat<\/h4>\n
Adaptaci\u00f3n din\u00e1mica de texto con fRAGments: un enfoque modular para la generaci\u00f3n de recuperaci\u00f3n aumentada<\/h4><\/div><\/div>[vc_empty_space][vc_column_text css=\u00bb\u00bb]Presentamos fRAGments, una arquitectura modular de recuperaci\u00f3n-generaci\u00f3n aumentada (RAG) que aprovecha los SLM para adaptar de manera flexible las bases de datos de texto locales en asistentes de texto implementados localmente. Esta arquitectura pretende superar dos grandes retos: permite la configuraci\u00f3n autom\u00e1tica de estos sistemas independientemente de los archivos locales almacenados y mitiga los inconvenientes asociados a los sistemas basados en la nube.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row][vc_row full_width=\u00bbstretch_row\u00bb bg_type=\u00bbbg_color\u00bb bg_color_value=\u00bb#ffffff\u00bb css=\u00bb.vc_custom_1683718841357{padding-top: 30px !important;padding-bottom: 30px !important;}\u00bb][vc_column][vc_row_inner][vc_column_inner width=\u00bb1\/4″][vc_empty_space][vc_single_image image=\u00bb64932″ img_size=\u00bbfull\u00bb css=\u00bb\u00bb][vc_empty_space][vc_column_text css=\u00bb\u00bb]<\/p>\n
KARINA GIBERT<\/h2><\/div>
Catedr\u00e1tica, directora de IDEAI y Decana del COEINF<\/strong><\/h4>\n
La tensi\u00f3n entre Big Data y el Small Data en los modelos de lenguaje<\/h4><\/div><\/div>[vc_empty_space][vc_column_text css=\u00bb\u00bb]Tradicionalmente, la explosi\u00f3n que hemos vivido en el \u00e1mbito de la IA en los \u00faltimos a\u00f1os est\u00e1 basada en la existencia del Big Data, los modelos de lenguaje no son una excepci\u00f3n. El despliegue de la IA generativa descansa sobre bases de datos enormes para poder entrenar los modelos de lenguaje. Pero nos encontramos que en realidad el mundo no es tanto Big Data como querr\u00edamos y a menudo hay entornos sin Big Data disponible donde la IA tiene mucho que decir. Y tambi\u00e9n hay aplicaciones de la ling\u00fc\u00edstica computacional en lenguas m\u00e1s peque\u00f1as. El catal\u00e1n, en realidad, estar\u00eda a medio camino y estabilizar los algoritmos de lenguaje para lenguas minoritarias o m\u00e1s peque\u00f1as o medias como es el catal\u00e1n, presenta sus retos. En esta charla se reflexionar\u00e1 sobre las limitaciones para las lenguas m\u00e1s peque\u00f1as, de la IA generativa, de los modelos de lenguaje y las alternativas que la IA ofrece en estas circunstancias.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row][vc_row full_width=\u00bbstretch_row\u00bb bg_type=\u00bbbg_color\u00bb bg_color_value=\u00bb#ffffff\u00bb css=\u00bb.vc_custom_1683718841357{padding-top: 30px !important;padding-bottom: 30px !important;}\u00bb][vc_column][vc_row_inner][vc_column_inner width=\u00bb1\/4″][vc_empty_space][vc_single_image image=\u00bb64813″ img_size=\u00bbfull\u00bb css=\u00bb\u00bb][vc_empty_space][vc_column_text css=\u00bb\u00bb]<\/p>\n
\n<\/strong>@r_serrallonga<\/a><\/strong><\/p>\nRAMON SERRALLONGA<\/h2><\/div>
CTO & Chief AI Scientist, InnoAnalytiX<\/strong><\/h4>\n
Revolucionando el Management con solo un SLM<\/h4><\/div><\/div>[vc_empty_space][vc_column_text css=\u00bb\u00bb]Muchas empresas sufren para extraer el poder de la IA generativa cuando intentan resolver tareas concretas para su negocio. Descubriremos la receta para obtener lo que quieres de la IA generativa y dentro de tu presupuesto, utilizando un caso exitoso en Consultor\u00eda de Negocio. Respondiendo a preguntas comunes como: \u00bfdeber\u00edamos usar un modelo propietario o uno de c\u00f3digo abierto? \u00bfDeber\u00edamos usar RAG o fine-tuning? \u00bfDeber\u00edamos usar un LLM o un SLM? Y mucho m\u00e1s.[\/vc_column_text][\/vc_column_inner][\/vc_row_inner][\/vc_column][\/vc_row][\/vc_section][vc_row][vc_column][vc_empty_space]
Presenta<\/h2><\/div>
JOS\u00c9 PERONA<\/h2><\/div>
Data and analytics Manager \u2013 Generative AI, NTT DATA<\/h4>\n