F21 Enzyme

Caminando de una
empresa digital a otra

inteligente mediante el
uso de inteligencia
artificial
1
Ponentes
José Antonio Torre Víctor Muakuku

CPO & Architecture, Enzyme Advising Group CIO, Pyrénées Andorra
[email protected] [email protected]
Empresa inteligente
La empresa inteligente
potencia la economía
de la experiencia
➢ Utilizan las últimas
tecnologías para convertir la
información estratégica en
acción en todo el negocio en
tiempo real.
➢ Aceleran la disrupción
impulsada por datos y la
automatización de procesos
➢ Lanzan nuevos modelos de

negocio
Despliegue de nuevos
modelos de negocio
mediante IA
Viajando a través de la IA
Inteligencia
Artificial
Aquellos sistemas que
imitan la inteligencia
humana para realizar
tareas y que tienen la
capacidad de mejorar
iterativamente a partir
de la información que
recopilan
¿Qué capacidades
humanas puede replicar
la IA en 2021?
• Entender las situaciones y los

contextos
• Identificar objetos y reconocerlos
• Analizar y resolver problemas
• Aprender a realizar nuevas tareas
• Comprender el lenguaje natural
• Reconocer imágenes
Tecnologías más comunes en IA
Machine Learning Natural Language Automated Speech

Computer Vision
Processing Recognition
Aprendizaje Comunicación Visión Oído

Machine learning
Machine learning o aprendizaje automático
Rama de la inteligencia artificial que permite que las
máquinas aprendan a partir de los datos sin ser
expresamente programadas para ello
BUSINESS
API
DATOS + ALGORITMO = MODELO ML

SUPERVISADO NO SUPERVISADO REFUERZO
Aprendizaje
supervisado
El objetivo del aprendizaje
supervisado es el de crear
una función capaz de
predecir el valor
correspondiente a
cualquier objeto después
de haber visto una serie de
ejemplos: los datos de
entrenamiento.
Tipos de aprendizaje supervisado
REGRESIÓN CLASIFICACIÓN
Predicción de variables numéricas Predicción de variables categóricas
Forecasting Probabilidad de abandono

Predicción de ventas Cálculo del riesgo de crédito
Clasificación de imágenes
Aprendizaje no
supervisado
Manejan datos sin
entrenamiento previo, es una
función que hace su trabajo
con los datos a su disposición.
Funcionan bajo condiciones en

las que los resultados son
desconocidos y, por lo tanto,
es necesario definirlos en el
proceso
Aprendizaje
por refuerzo
Modelos y funciones
enfocadas en maximizar
una medida de
recompensas, basados en
acciones y al ambiente
en el que el agente
inteligente se
desempeñará.
DETECCIÓN DE Universo ML
ANOMALÍAS
CLASIFICACIÓN RETENCIÓN
IMÁGENES CLIENTES
STRUCTURE
DISCOVERY
CLASIFICACIÓN
CLUSTERING DETENCIÓN
RIESGO DEL
FRAUDE
VISUALIZACIÓN CRÉDITO
BIG DATA
NO
SUPERVISADO
SUPERVISADO
MACHINE PREDICCIÓN
POPULARIDAD
SISTEMAS DE LEARNING
RECOMENDACIÓN
PREDICCIÓN
PREDICCIÓN METEOROLÓGICA
CLUSTERING CRECIMIENTO REGRESION
POBLACIÓN
MARKETING FORECASTING
DIRIGIDO DECISIONES DECISIONES GAME AI
REAL TIME REAL TIME CÁLCULO
ESPERANZA
REFUERZO DE VIDA
ROBÓTICA
ADQUISICIÓN DE
HABILIDADES
The AI path
FOLLOW THE AI PATH
DESPLIEGUE ENTENDIMIENTO
ANALÍTICO DE NEGOCIO
INTEGRACIÓN
NEW DATA
EN PUBLICACIÓN ACQUISITION
DATA DISCOVERY
APLICACIÓN
MEJORA DATA
TEST VALIDACIÓN
PREPARATION
CONTINUA
PRODUCCIÓN MODELIZACIÓN
AI Deployment AI Development
AI Development (I)
1. CONOCE EL NEGOCIO 2. ENTIENDE LOS DATOS 3. PREPARA LOS DATOS

Entender los escenarios y drivers de Comprobar la calidad de los datos y Preparar las conversiones
negocio revisar las estadísticas de los mismos
Reducir la dimensionalidad
Entender pain points Visualizar los datos
Manejar los nulos y outliers

Entender el requerimento de negocio Identificar posibles features en los
desde la perspectiva de machine datos
learning Transformar las variables
AI Development (II)
4. MODELIZACIÓN 5. TESTEA EL MODELO 6. DESPLIÉGALO

Escoger el algoritmo apropiado Validar el/los modelo/s Desplegar en producción
Escoger los parámetros más apropiados Ajustar el/los modelo/s Integrar el modelo con negocio
para el modelo
Finalizar el/los modelo/s Mejora continua

Modelización
AI EN SAP
Analytics
Cloud Plataforma
Database
SERVER SIDE
EMBEDDED LIBRARIES FRAMEWORK INTEGRATIONS
SAP HANA Predictive Analysis Library (PAL) SAP HANA Extended Machine Learning Library (EML)
Cerca de 90 algoritmos ML que pueden ser usados por data Permite la integración de SAP HANA con Tensorflow
scientists directamente sobre tus datos en HANA
Permite invocar modelos predefinidos de Tensorflow mediante un server
Clustering, Classification, Regression, Association, Time Series especial llamado Tensorflow Serving usando Google remote procedure calls
Preprocessing, Statistics, Social Network Analysis, Recommender (gRPC)
System, Miscellaneous
SAP HANA Automated Predictive Library (APL) SAP HANA with R integration
Algoritmos que, dado un específico problema, la solución selecciona Permite la integración de SAP HANA con un entorno de desarrollo de
automáticamente el algoritmo que mejor encaja y ajusta los software R para ejecutar stored procedures que tengan código R
parámetos para proveer un modelo óptimo. embebido.
Es ideal para usuarios de negocio con entendimiento mínimo de lo De este modo, SAP HANA puede acceder a miles de algortimos
que es machine learning mediante el uso de funciones AutoML programados en R
CLIENT SIDE
SAP HANA Python Client API SAP HANA R Client API
Esta API permite a los científicos de datos de Python acceder a los Permite crear modelos de aprendizaje automático en Rstudio y
datos de SAP HANA y crear modelos de aprendizaje automático ejecutarlos directamente en SAP HANA sin mover datos fuera de
utilizando esos datos directamente en SAP HANA. HANA
También permite ejecutar algoritmos SAP HANA PAL y APL desde El científico de datos usa la interfaz de comando R para invocar
Python algoritmos directamente en SAP HANA PAL.
Utiliza el controlador de Python de SAP HANA (hdbcli) para El procesamiento de CPU requerido durante el entrenamiento de
conectarse y acceder a SAP HANA modelos de aprendizaje automático se realiza en SAP HANA y no en
un portátil limitado, etc.
Esto aprovecha el rendimiento de SAP HANA y mejora en gran

medida el tiempo de entrenamiento de los modelos de aprendizaje
automático
DO IT YOURSELF SERVICIOS AUTOGESTIONADOS
No te pierdas nuestra siguiente sesión paralela
16:10h (Sala 3A)
Digitalización colaborativa del proceso de

compra en tiempo récord
Contáctanos
José A. Torre Víctor Muakuku
[email protected] [email protected]
Visita nuestro stand

Stand #12
Síguenos
¿Quieres apuntarte a nuestro curso AI en SAP gratuito?
Rellena este formulario y te enviaremos los detalles
Curso IA avanzado sobre SAP

6 módulos
Plazas limitadas
Síguenos
Enzyme Barcelona
Tel. +34 902 026 289
Passeig de Gràcia 47, 2º (08007 Barcelona)
España
WWW.ENZYMEADVISINGGROUP.COM
Enzyme Madrid
Desafiamos el status quo con Tel. +34 902 026 289
Paseo de la Castellana 77, 6º (28046 Madrid)
innovación y experiencia para España
generar valor diferencial

F21 Enzyme

Cargado por

Copyright:

Formatos disponibles

F21 Enzyme

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

F21 Enzyme

Cargado por

Copyright:

Formatos disponibles

Caminando de una

empresa digital a otra

José Antonio Torre Víctor Muakuku

➢ Lanzan nuevos modelos de

• Entender las situaciones y los

Machine Learning Natural Language Automated Speech

Aprendizaje Comunicación Visión Oído

DATOS + ALGORITMO = MODELO ML

Predicción de variables numéricas Predicción de variables categóricas

Forecasting Probabilidad de abandono

Funcionan bajo condiciones en

1. CONOCE EL NEGOCIO 2. ENTIENDE LOS DATOS 3. PREPARA LOS DATOS

Manejar los nulos y outliers

4. MODELIZACIÓN 5. TESTEA EL MODELO 6. DESPLIÉGALO

Finalizar el/los modelo/s Mejora continua

EMBEDDED LIBRARIES FRAMEWORK INTEGRATIONS

SAP HANA Python Client API SAP HANA R Client API

Esto aprovecha el rendimiento de SAP HANA y mejora en gran

16:10h (Sala 3A)

Digitalización colaborativa del proceso de

Visita nuestro stand

Curso IA avanzado sobre SAP

También podría gustarte