Autor/es: Marta Rivera

Nos preocupamos cada vez más por el medio ambiente y las desigualdades sociales y económicas, pero ¿cómo podemos hacer para que nuestras inversiones también estén comprometidas con nuestros principios éticos? Esta es la pregunta que nos hacemos todos los días en Clarity.ai y que estamos intentando resolver para que entre todos construyamos un mundo que nos guste cada vez más.

En esta charla explicaré cómo desarrollamos con Python métricas y algoritmos basados en IA para poder evaluar cada vez mejor la interacción de las empresas con el medio ambiente y social que nos rodea. Completamos los datos existentes construyendo modelos predictivos de emisiones de CO2, diversidad o satisfacción de los empleados entre otras para aumentar el número total de instituciones que podemos analizar. Calculamos el impacto real de las empresas en las necesidades de las personas en todos y cada uno de los lugares del mundo. Para que inviertas tu dinero dónde más importa.

*Marta Rivera*
Siempre me han interesado las bases matemáticas de los procesos dinámicos sociales y naturales. Estudié Físicas en la UAM, después un Máster y un doctorado en biofísica entre Madrid y EEUU donde desarrollé modelos matemáticos para explicar la anatomía cerebral de la mosca del vinagre. Después de doctorarme hice un Máster en Profesorado de Educación de Física y Química por la UNED. Como investigadora postdoctoral trabajé en España, Portugal y EEUU en modelos matemáticos, IA y análisis automático de vídeo. Desde 2016 desarrollo algoritmos y modelos matemáticos basados en IA para descifrar los misterios de la bolsa con el objetivo de conseguir una inversión eficiente y sostenible.

Autor/es: Francisco Javier Ordóñez

La crecida sin precedentes de las tiendas online y el auge de las tecnologías Big Data está transformando el perfil tradicional del cliente. Hoy en día es tremendamente fácil para los consumidores comparar productos de miles de tiendas online y nuestros potenciales clientes están a sólo un click de distancia de nuestra competencia. Poder hacer seguimiento de los precios del mercado y de nuestra competencia es clave en el análisis de mercado y los algoritmos de product matching son una de las tecnologías que lo hace posible. En esta charla veremos cómo se puede aplicar ML y Python a un caso de uso real para product matching: el mundo de la moda. En la charla presentaremos los pasos, componentes y lecciones aprendidas para desarrollar un sistema de product matching a escala. Veremos: i) la tecnología necesaria para extraer, procesar y normalizar datos proveniente de las tiendas de moda online, ii) los algoritmos de aprendizaje automático que hacen posible el product matching, con un foco en deep learning iii) cómo podemos crear un conjunto de datos para entrenar y evaluar nuestros modelos, iv) Los retos que nos encontramos cuando hemos desarrollado nuestro propio sistema de product matching.

Javier es el Lead Data Scientist en StyleSage. Es un científico de datos con más de 10 años de experiencia en las áreas de tecnología, I+D, enseñanza y consultoría. Actualmente se enfoca en diseñar, implementar y desplegar sistemas de ML para obtener insights en el mundo de la moda. Ha estado involucrado en diferentes áreas tecnológicas, desde el automóvil conectado hasta los wearables, en toda Europa (España, Reino Unido y Países Bajos). Su trabajo incluye colaboraciones con empresas de alta tecnología, como Qualcomm, Google y Huawei. Sus resultados de investigación han recibido varios premios y han sido publicados en conferencias y revistas de primer nivel. Javier es ingeniero y doctor en informática con honores por la Universidad Carlos III de Madrid.