PlatziHack23: Así viví la hackaton enfocada en AI

Seguramente viste en redes sociales el hashtag #platzihack23, y también a algunos miembros del team Platzi en una montaña rusa de energía y emociones. Muchos de ellos llegando al cansancio, al éxtasis competitivo y al punto de superar sus límites en crecimiento.

Todo esto es una hackaton en Platzi y e en especial una enfocada en inteligencia artificial 🤖. Cada miembro del team crea proyectos increíbles en un tiempo límite en busca de dos cosas: un premio que se ofrece al ganador y la satisfacción de construir nuevos features para nuestra increible comunidad 💚

Qué rol tuve durante la Hackatón de Platzi

Dado que soy Director de la Escuela de Datos, en esta hackaton no participe en ningún equipo directamente. Mi rol consistió en ser mentor y jurado. Y a pesar de que amo crear producto junto a personas con las que usualmente no trabajo, y poder generar algo desde cero para nuestra comunidad, la experiencia de poder hacer mentoría y proponer soluciones para todos los equipos en esta hackaton fue algo increíble. Bastante extenuante, pero increíble 🚀.

Poder ver desde un punto distinto como avanzaba la competencia y como múltiples ideas en papel tomaban cada vez más forma con el paso de las horas, , además de guiar muchos proyectos distintos e increibles, fue algo muy divertido. También, me dejó varias aprendizajes.

Qué aprendizajes me dejó la Hackatón

1. Desbloquea tu creatividad:

La capacidad de ver asombrosos proyectos enfocados en distintos problemas y oportunidades, y como AI puede ayudar a atacar estas ideas, fue asombroso. Llevo algunos años resolviendo problemas de este tipo con AI y otras herramientas y muchas veces terminas enfocándote en el árbol y no en el bosque, pierdes el pensamiento holístico y la creatividad.

Pero, cuando personas talentosas como las que tenemos en el team enfocan sus ideas de implementación AI para resolver ciertos problemas, es algo que te deja sin palabras. Piensas dentro de ti “wow, ¿como no se me ocurrió antes?” o “este es un enfoque distinto de como abordamos ese problema”. Por es importante para cualquier rol técnico/matemático hablar constantemente con tu comunidad y tu equipo para desbloquear tu creatividad y visión 💚

2. Teamwork makes the dream work:

Parece una típica frase de cajón pero realmente aquellos participantes que trabajaron más como equipo y aprovecharon la experiencia y habilidades de cada persona en el team fueron quienes llegaron más lejos. Por supuesto, muchos equipos creyeron que al ser una hackaton totalmente orientada a AI solo requería talento técnico y matemático para llevar a cabo sus ideas y, evidentemente, no es así.

La ciencia de datos y la inteligencia artificial son conceptos que se basan en la experiencias. Al final AI intenta replicar un comportamiento humano, y es allí donde personas no técnicas dan puntos de vista mucho más certeros y adecuados. Todo el proceso es iterativo en donde tienes una idea, se evalúa, se aplica AI, se mide el producto, tomas datos y empiezas de nuevo.

En este muy resumido ciclo de vida de proyectos, AI no son solo personas técnicas quienes participan, y lo podemos ver en grandes laboratorios como OpenAI y DeepMind quienes constantemente requieren personas NO técnicas expertas en algún campo para validar la viabilidad de sus investigaciones.

3. AI for all:

Anteriormente, pensar en implementar soluciones robustas y modernas de AI era algo inalcanzable. Para ello, debías tener un fuerte conocimiento técnico, matemático y de negocio e incluso potentes máquinas para ejecutar cualquier entrenamiento y todo esto incluso sin tener en cuenta la recolección y limpieza de datos.

A hoy ya no es así. Bueno, no siempre es así, puesto que en algunas ocasiones es necesario tener todo un flujo de entrenamiento desde cero, pero hoy en día podemos implementar soluciones muy robustas solo usando el llamado a un API o cargando un modelo pre entrenado con HuggingFace 🤗.

Y es que simplemente con estas líneas de código podemos hacer un clasificador de sentimiento:

from transformers import pipeline

classifier = pipeline("sentiment-analysis",model='finiteautomata/beto-sentiment-analysis')
classifier(["he estado esperando este tutorial toda mi vida",
            "este tutorial no tiene nada util"])

Salida:

[{'label': 'POS', 'score': 0.9416623711585999},
 {'label': 'NEG', 'score': 0.9990448355674744}]

Si quieres saber cómo, lograr esto y mucho mas te invito a tomar el Curso de Transfer Learning con Hugging Face que tenemos para ti. O simplemente usar el API de OpenAI para el uso de GPT-3 con estas pocas líneas de código.

Por supuesto si quieres crear tus propios modelos y entender mucho mejor como funciona todo esto, en Platzi tenemos una escuela netamente enfocada en el Deep Leraning con Python y otra en Machine Learning con Python de manera que te espero en estas rutas de aprendizaje para que puedas potenciar todo tu conocimiento en AI.

4. Vendrán productos interesantes:

Por supuesto, el resultado de la hackathon es que tenemos productos increíbles que estaremos llevando a toda nuestra comunidad en los siguientes meses y claro, apalancados de AI, lo que me emociona muchísimo. En un próximo blog, anunciaremos a los ganadores de esta edición.

Por ahora, te invito a ver toda nuestra oferta educativa en la Escuela de Data Science e Inteligencia Artificial la cual te ayudará a llevar tu nivel de cero a lograr cosas increíbles como lo hizo todo el team Platzi 💚.

¡Sígueme en Instagram/Twitter/TikTok como @alarcon7a, para hablar sobre IA y datos! Ten un muy feliz y prospero año nuevo🙂