Podcast (tiempo de escucha: 32 minuto)

La estética de la AI: cómo desarrollar aplicaciones de datos fabulosas

El front-end a menudo pasa a un segundo plano en el ciclo de vida del machine learning. Por eso necesita ayuda para materializar las...

Rackspace Technology Staff - Solve / Rackspace Technology

Si entrenó un modelo de machine learning para que realice un análisis de datos fabuloso, seguramente querrá mostrar sus resultados. Pero, para hacer esto, necesita conocimiento de front-end. Sin embargo, eso no siempre es una fortaleza de los científicos de datos o ingenieros de datos que, en general, desarrollan modelos de machine learning. Por eso, las aplicaciones de front-end a menudo pasan a un segundo plano en el ciclo de vida del machine learning y del análisis de datos.

Ahora existe una solución para ese problema. Streamlit le permite convertir scripts de datos en aplicaciones web que se pueden compartir en cuestión de minutos. Es de código abierto y no se requieren habilidades de desarrollo web ni de front-end.

En el último episodio de AI & U, Mark McQuade conversa con Johannes Rieke, ingeniero de productos de Streamlit. Antes de unirse a Streamlit, Johannes creó una aplicación estupenda llamada traingenerator, que es una aplicación web para generar código de plantillas para machine learning. Desarrolló traingenerator por gusto, y la aplicación fue tan exitosa en la comunidad que consiguió llamar la atención del equipo de Streamlit, que luego lo contrató como su primer ingeniero de productos.

Conéctese para escuchar sobre los siguientes temas:

  • Tendencias actuales en machine learning
  • La comunidad que simplifica la AI y el machine learning
  • Casos de uso de Streamlit y machine learning
  • Asesoramiento para involucrarse con la AI

Mark McQuade comenta sobre las empresas emergentes que están trazando el futuro de la AI. “Eso es algo que nos gusta destacar en este programa. Cómo simplificar la AI y el machine learning. Hay algunas partes de la AI que requieren mucho conocimiento académico, pero, al mismo tiempo, existen muchas herramientas en las que todo eso no es necesario. La gente las desarrolla todo el tiempo. Hugging Face es un gran ejemplo. Le ofrece un modelo previamente entrenado para cualquier tipo de tarea transformadora de NLP que necesite hacer. Entonces, en realidad, muchas empresas están simplificando y desmitificando la AI”.

Johannes les da el siguiente consejo a quienes estén intentando forjarse una carrera en AI: “Yo les diría que no le teman a la tecnología más reciente ni a los productos más nuevos. Cuando empecé con machine learning, los últimos modelos y artículos de investigación me asustaban un poco. Siempre decía: ‘Eso va a ser supercomplicado’ y ‘¿Cómo voy a implementar todo esto?’. Sin embargo, creo que es realmente bueno abordar estas cuestiones nuevas porque pueden descubrir muchísimo a partir de ellas. En especial hoy en día, todas las últimas herramientas les permiten a las nuevas empresas desarrollar cosas muy rápido”.

Únase a la conversación: encuentre Solve en Twitter and LinkedIn, o síganos en RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologiest are working today.

Subscribe

Acerca del autor

Personal de tecnología de Rackspace - Solve

El equipo de Solve está formado por un equipo de responsables de contenido, un equipo editorial y diversos expertos en tecnología que actúan como colaboradores.

El equipo de responsables de contenido:

  • Tolga Tarhan, CTO de...

Más

Serie Solve Strategy

Inscríbase en uno de estos eventos mundiales, o en todos, en los que participarán personas influyentes, expertos, técnicos y líderes de la industria

Inscribirse