Pau Sempere
Global AI & Data Science Lead @ Avolta | MVP AI
Global AI & Data Science Lead @ Avolta | MVP AI
Elche, Spain
Actions
Global AI & Data Science Lead at Avolta. Master's degree in Computer Science at Universidad of Alicante (2005-2011). Microsoft AI MVP
Global AI & Data Science Lead en Avolta. Máster en Ingeniería Informática por la Universidad de Alicante (2005-2011). Microsoft AI MVP
Links
Awards
Area of Expertise
Topics
Cluster and Commander: al otro lado de los datos en
Clustering es uno de los casos más comunes en el mundo del Machine Learning. Power BI nos permite crear agrupaciones manual y automáticamente, pero... ¿es suficiente para nuestros exigentes usuarios? ¿Cómo podemos explorar los mares del dato y conquistar nuevos retos siempre abrazados a Power BI?
En ésta sesión repasaremos opciones, casos de uso y combinaciones de técnicas para conseguir llegar al más recóndito rincón de nuestros datos para satisfacción de nuestra gloriosa monarquía: los usuarios de negocio.
Ops!... I did it again en
Teoría vs vida real en 2x1. Azure Boards y MLOps con Azure ML. Repaso de conceptos, errores, aprendizajes y entornos productivos de Machine Learning adoptando metodologías ágiles.
Explaining oracles: Techniques to communicate Machine Learning model results en es
Everyone wants to use Machine Learning and AI. It is modern, shines on resumes and brings great benefits if applied correctly in companies. Yet in many companies adoption is slow or in fits and starts. One of the fundamental factors is that the business units do not quite see the utility or understand the results of the models produced by their Data Science department. In this session we will review how to communicate the results of Machine Learning models so that they are understood and used and not so much from statistics or hyper-complex graphs but of little communicative use.
Azure AutoML para gobernarlo todo en
Las técnicas de ML están en constante evolución, y cada vez más orientadas a la productividad. Las tareas repetitivas son el enemigo de la productividad y de la aplicación de la tecnología, y ahí es donde AutoML ha venido a ayudarnos. En esta sesión veremos todos los tipos de problemas de ML que podemos resolver de manera automatizada para centrarnos en lo que de verdad importa: dar valor a nuestros productos con Machine Learning
Ministry of Time: Modeling time in Machine Learning projects en es
Machine Learning models are used to solve or improve a multitude of predictive analyzes in many different fields. We can find a wide range of problems and models used, but one of the few elements that almost all share is that time is involved. From the moment a sale occurs or a customer abandons, the age of an open opportunity in a CRM or when predicting the evolution of a price, time is present.
Used to our advantage, it allows us to generate features with great predictive power and evaluate our models realistically. Misused, however, it can cause data leaks that will obfuscate our ability to understand if the model is working and usable in production. You know, with great power comes great responsibility.
In this session we will review Machine Learning scenarios where time plays a fundamental role and we will describe, with examples taken from real and production projects, techniques and important points to take into account when working with time in ML.
Show me the model! Interpreting ML models with Power BI en
Understanding why ML models predict certain values is a key factor in predictive analytics, both from the develpers' perspective and the stakeholders side. Combining Power BI and interpretation techniques we will empower our users to understand our models' predictions, directly in Azure. Join us in this session to understand how BI can help us understand Machine Learning.
The price is right! - Machine Learning thinking of costs en es
From an academic point of view, Machine Learning models generally try to minimize the errors they make in their predictions. As a theoretical approach it is very efficient, but in addition ML models used in the real world must be efficient: we want them to have the greatest possible benefit with the lowest associated cost (considering the many meanings of the term). In this regard we use different techniques: from the adjustment of thresholds to the use of algorithms with uncertainty ranges, through the use of custom error metrics that take into account the cost associated with a model. In this session we will talk about real cases learned: Machine Learning from the real world.
Flying around Azure ML with autopilot en es
Effective ML model development continues to become an easier and more democratic activity. From embedded AI in apps to AutoML in Power BI Dataflows, data analysis professionals (and even business users) have multiple options to build their own models without complex developments.
In Azure AutoML we find a fine combination of flexibility for software experts and ease of use for non-tech users. With this service we can create full ML pipelines with a few or even no lines of code, covering diverse ML scenarios: from risk classification to forecasting demand, all following best practices and testing multiple models and data transformations to find good and robust models.
In this session we'll go through different options offered in Azure AutoML, including the Python SDK and the no-code interface.
Recomendando productos con inteligencia...artificial? en
Acercar el producto perfecto al cliente idóneo es el sueño de toda empresa. Los recomendadores de productos basados en inteligencia artificial convierten este sueño en una realidad.
Desgranaremos el algoritmo de recomendaciones de YouTube y veremos las técnicas más vanguardistas para crear nuestro recomendador de productos con Deep Learning.
Los fontaneros del Machine Learning en
Las librerías de Machine Learning facilitan la vida enormemente a la hora de entrenar modelos que nos ayuden en nuestros procesos de negocio. Sin embargo, la gran parte del tiempo empleado en los proyectos de ML lo pasamos limpiando, modelando y procesando dato antes de siquiera entrenar ningún modelo. En esta sesión veremos algunas técnicas de modelado de datos y de construcción de pipelines en Python que pueden ayudarnos a robustecer y mejorar los resultados de nuestros modelos de ML.
Power BI y los influencers: la extraña pareja en
Con conjuntos de datos cada vez más complejos, el análisis manual para detectar relaciones y causas se vuelve casi inmanejable. Modelos complejísimos, métricas indescifrables y complicadísimas de depurar... Por suerte, con el auge del data science cada vez tenemos técnicas y herramientas más completas y fáciles de usar para desenmarañar conjuntos de datos complejos y entender el impacto y las relaciones entre variables. En esta sesión analizaremos las opciones que tenemos en Power BI para alcanzar estos objetivos más allá de métricas ad-hoc, desde el análisis automático con Quick Insights hasta la creación de modelos de Machine Learning en tiempo real.
Discovering Azure ML en
Azure ML Workspaces and its resources have expanded enormously the opportunities that ML practitioners and Data Scientist have to obtain data, train models, publish them and so much more. Join me in this session to discover the basics of Azure ML and how to use its resources to expand your ML toolbox.
Dos mundos, un contenedor en
Lidiar con los entornos de desarrollo y producción en proyectos de ML (y los que no son de ML) se puede convertir en una auténtica pesadilla si no se tienen las herramientas y las técnicas adecuadas. Desde la gestión de dependencias hasta la flexibilización y automatización del proceso de despliegue, pasando por la reutilización de librerías personalizadas son solo algunos de las problemáticas más comunes a las que nos enfrentamos. Acompáñanos en esta sesión y descubre por qué Docker es la plataforma idónea para unir entornos y desplegar nuestros proyectos de ML en Azure.
Show me the model! Interpretando modelos ML con Power BI en
Entender las razones por las que los modelos de ML toman las decisiones ya es un factor clave en los proyectos de analitica predictiva. Combinando Power BI y técnicas de interpretabilidad de ML crearemos paneles que ayuden a nuestros usuarios a entender el modelo desde su comportamiento global al máximo detalle posible desde cualquier sitio del mundo gracias a la nube. Acompáñanos en ésta sesión y descubre el poder del BI en Azure como aliado del Machine Learning.
Churn Norris - ML para mantener a tus clientes en
Tus clientes son tus amigos, y a los amigos hay que tenerlos siempre cerca. Para evitar que se vayan de tu lado y seguir construyendo una preciosa amistad, ven a esta sesión en la que revisaremos el concepto de "churn" o abandono de clientes, qué lo define y cómo podemos atacar el problema usando técnicas de Machine Learning con Python y scikit-learn.
Mejorando el rendimiento de un servidor con Inteligencia Artificial en
La Inteligencia Artificial está ya es parte fundamental de muchos procesos, desde mantenimiento de máquinas hasta análisis financieros. La optimización de servidores para solventar problemas de rendimiento y aumentar la productividad de las aplicaciones. En SolidQ aprovechamos la IA en varios aspectos, en esta sesión veremos un caso real sobre cómo aplicamos procesos de IA para analizar, diagnosticar y corregir problemas en servidores de clientes de la manera más automatizada y eficiente posible.
El Ministerio del Tiempo: Modelando el tiempo en proyectos de Machine Learning en es
Los modelos de Machine Learning se utilizan para resolver o mejorar multitud de análisis predictivos en muy diversos ámbitos. Podemos encontrar un gran abanico de problemas y modelos utilizados, pero de los pocos elementos que casi todos comparten es que el tiempo está involucrado. Desde el momento en el que se produce una venta o un abandono de un cliente, la antiguedad de una oportunidad abierta en un CRM o al predecir la evolución de un precio, el tiempo está presente.
Usado a nuestro favor, nos permite generar features de gran poder predictivo y evaluar nuestros modelos de manera realista. Mal utilizado, sin embargo, puede provocar data leakages que ofuscarán nuestra capacidad para entender si el modelo está funcionando y es utilizable en producción. Ya se sabe, un gran poder conlleva una gran responsabilidad.
En esta sesión repasaremos escenarios de Machine Learning donde el tiempo tiene un papel fundamental y describiremos, con ejemplos extraídos de proyectos reales y en producción, técnicas y puntos importantes a tener en cuenta a la hora de trabajar con el tiempo en ML.
El Precio Justo - Machine Learning pensando en costes en es
Desde un punto de vista académico los modelos de Machine Learning intentan, por lo general, minimizar los errores que cometen en sus predicciones. Como aproximación teórica es muy eficaz, pero además los modelos de ML que se usan en el mundo real deben de ser eficientes: queremos que tengan el mayor beneficio posible con el menor coste asociado. Para ello podemos usar diferentes técnicas: desde el ajuste de thresholds al uso de algoritmos con rangos de incertudimbre, pasando por el uso de métricas de error personalizadas que tengan en cuenta el coste asociado a un modelo. En esta sesión hablaremos de casos reales aprendidos: Machine Learning del mundo real.
Back to the future: Time series for everyone without leaving Power BI en es
Power BI has been revolutionizing data analysis for years, even including predictive capabilities out of the box both in its Desktop version and in the cloud. Time series analysis is one of these capabilities and is present in almost every business: from sales analysis to demand forecasting, every business has quantities of X and time. In this session we will explore what options do we have to analyze our time series and what to do when Power BI falls short (if that is even possible!)
Regreso al futuro: Series temporales para todo el mundo sin salir de Power BI en es
Power BI lleva revolucionando el análisis de datos desde hace años, incluso con capacidades de análisis predictivo en sus versiones de escritorio y en la nube. Las series temporales se incluyen en esas capacidades, y están presentes en casi cualquier negocio: desde proyección de ventas hasta análisis de la demanda, todos los negocios tienen "cantidades de X relacionadas con el tiempo". En esta sesión exploraremos qué opciones tenemos para analizar nuestras series temporales y qué hacer cuando Power BÏ se queda corto (si es que eso es posible!)
Volando por Azure ML en piloto automático en es
El desarrollo de modelos efectivos de Machine Learning sigue democratizándose. Desde AI embebida en aplicaciones hasta en los Power BI Dataflows, pasando por el AI Builder, los profesionales del análisis de datos (e incluso los usuarios de negocio) tienen cada vez más opciones para construir sus modelos y tener funcionalidades predictivas sin necesidad de doctorados en Estadística o complejísimos sistemas de software. La confluencia perfecta entre flexibilidad para desarrolladores y capacidades automáticas de ML viene de la mano de Azure AutoML, que permite entrenar cientos de modelos en cuestión de minutos con muy pocas líneas de código en un amplio rango de problemas de negocio: clasificación de riesgos, forecasting de inventarios, predicción de beneficios...
En ésta sesión haremos un recorrido por las diferentes opciones que nos ofrece Azure y su SDK de Python para la creación y publicación de modelos de ML de manera automatizada.
Explicando oráculos: Técnicas para comunicar resultados de modelos de ML a usuarios no técnicos en es
Todo el mundo quiere usar Machine Learning e IA. Es moderno, brilla en los curriculums y aporta grandes beneficios si se aplica correctamente en las empresas. Sin embargo en muchas empresas la adopción es lenta o va a trompicones. Uno de los factores fundamentales es que las unidades de negocio no acaban de ver la utilidad o de entender los resultados de los modelos que produce su departamento de Data Science. En esta sesión haremos un repaso de cómo comunicar resultados de modelos de Machine Learning con el objetivo de que se entiendan y usen y no tanto desde la estadística o los gráficos hipercomplejos pero de poca utilidad comunicativa.
You explain yourself like an open cluster en es
Cluster creation and usage is one of the most common processes in Machine Learning, whether as an exploratory tool, preprocessing step, or even within a feature engineering process. However... have you taken the time to truly understand them? Have you ever had to explain them to someone on the business side? It's not an easy process, yet it remains a critical phase in Machine Learning projects: understanding the solution.
In this session, we will explore common problems and how to address or mitigate them, applying model interpretation techniques and sharing some tricks directly extracted from production code
Te explicas como un clúster abierto en es
La creación de clusters es uno de los procesos más habituales en Machine Learning, ya sea como herramienta exploratoria, de preprocesado o incluso dentro de un proceso de feature engineering. Sin embargo... ¿te has parado a entenderlos? ¿Has tenido que explicárselos a alguien del lado de negocio? No es un proceso fácil, y aún así es una fase crítica en los proyectos de Machine Learning: el entendimiento de la solución.
En ésta sesión veremos problemas comunes y cómo solventarlos o mitigarlos, aplicando técnicas de interpretación de modelos y algunos trucos sacados directamente de código en producción.
Power to the People: Serving Retail AI insights for everyone through Power Platform en es
When it comes to AI and retail, our main principle is clear: insights need to be at the business’ core: the people. In this session we’ll discuss how we empower people, both employees and customers, using AI and the different services that bring consistency in our data culture. From Databricks and massive data processing pipelines to data serving and feedback gathering in the Data Platform with Power BI and Power Automate passing through streaming dataflows, AI model serving and more power our solutions at Avolta. Join us in this session to learn end-to-end about them and about the lessons we learnt along the way.
Power to the People: Ofreciendo Retail AI para todos usando la Power Platform en es
Cuando se trata de IA y retail, nuestro principio fundamental es claro: los conocimientos deben estar en el centro del negocio: las personas. En esta sesión discutiremos cómo empoderamos a las personas, tanto empleados como clientes, utilizando la IA y los diferentes servicios que nos permiten desarrollar nuestra cultura de datos. Desde Databricks y procesado masivo de datos hasta la recopilación de feedback en la Power Platform con Power BI y Power Automate, pasando por dataflows en streaming o entrenamiento y registro de modelos de IA, todo ello alimenta nuestras soluciones en Avolta. Únete a nosotros en esta sesión para aprender de principio a fin sobre ellos y sobre las lecciones aprendidas a lo largo del camino.
Power BI Summit 2023 Sessionize Event
Global AI Bootcamp - London 2023 Sessionize Event
Global AI Bootcamp 2023 Sessionize Event
Global Power Platform Bootcamp Alicante 2023 Sessionize Event
@PowerBIEspanol Virtual Conf 2023 (Fin Tour Power BI Days) Sessionize Event
PowerBIDays Madrid 2022 Sessionize Event
NetCoreConf Madrid 2022 Sessionize Event
Global AI Developers Days Sessionize Event
Power BI User Group Barcelona: Power BI Day! Sessionize Event
DataSaturday Croatia 2022 Sessionize Event
Global Azure 2022 - Spain Sessionize Event
Power Platform Alicante: Power BI Day! Sessionize Event
Global AI Bootcamp 2022 Sessionize Event
Global AI Bootcamp [London] Sessionize Event
Global Power Platform Bootcamp 2022 Lisboa Sessionize Event
Virtual NetCoreConf 2021 - 2 Sessionize Event
Cloud Lunch and Learn Marathon 2021 Sessionize Event
Global Azure 2021 - Spain Sessionize Event
Global Power Platform Bootcamp Alicante 2021 Sessionize Event
Global AI Bootcamp 2020 Sessionize Event
Virtual Azure Community Day Sessionize Event
Virtual NetCoreConf 2020 Sessionize Event
Global AI Bootcamp 2019 Sessionize Event
Pau Sempere
Global AI & Data Science Lead @ Avolta | MVP AI
Elche, Spain
Links
Actions
Please note that Sessionize is not responsible for the accuracy or validity of the data provided by speakers. If you suspect this profile to be fake or spam, please let us know.
Jump to top