Brazil has a strong track record of free, fair and transparent elections and the United Sates trusts that its electoral system will reflect the will of the people in the October election, a U.S. State Department spokesperson said on Tuesday.
The endorsement came one day after Brazilian President Jair Bolsonaro questioned the country's electronic voting system in a briefing to foreign diplomats.
Bolsonaro told some 40 members of the diplomatic corps in Brasilia that the voting system was vulnerable to fraud, an allegation he has repeatedly made to cast doubt on the October election in which he will seek re-election. "
"""
summarization(texto, min_length =30)
texto = """
Las personas con orientaciones sexuales y de género diversas históricamente han sido una población excluida de la participación política electoral en Colombia. Sin embargo, durante los últimos veinte años la consolidación del movimiento LGBTIQ+, que hoy tiene un gran potencial de movilización y organización, ha llevado a la conquista de espacios donde antes solo eran posibles estando “enclosetados”. (Así se vivió la marcha del Orgullo LGBTIQ+ 2022 | La Disidencia)
Las elecciones legislativas del 13 de marzo de 2022 fueron un hito para la población diversa. Por un lado, hubo 26 candidaturas abiertamente LGBTIQ+, que representan un aumento del 85,7 % de participación en comparación a las catorce del 2018. Esto llevó a que, por primera vez, estas personas vayan a ocupar siete curules en el Congreso: una senadora y seis representantes a la Cámara.
Angélica Lozano (Alianza Verde) repite su curul del Senado. Las otras seis personas son Susana Boreal (Pacto Histórico), quien ganó un escaño en la Cámara de Representantes por Antioquia; María del Mar Pizarro (Pacto Histórico), en la Cámara por Bogotá; Andrés Cancimance (Pacto Histórico), quien llegará a la Cámara por Putumayo; Carolina Giraldo (Alianza Verde) y Alejandro García (Alianza Verde y Polo), por Risaralda, y Tamara Argote (Pacto Histórico), quien es la primera persona no binaria en llegar al Congreso de la República, estará en la Cámara por Bogotá.
Este Congreso 2022-2026, que se posiciona como el más diverso en la historia del país, representa una ampliación del espectro democrático. Alejandro García, representante a la Cámara por Risaralda, lo celebra, pero resalta que “todavía faltan identidades en este espacio de representación y se tiene que velar por construir espacios seguros para pensarnos la diversidad y cuestionarnos cómo integrarla a nuestras vidas desde el ejercicio de la ciudadanía”.
Más allá de ganar visibilidad, esta nueva corporación tiene una responsabilidad de hacer control político a promesas que llevan años esperando a ser resueltas, como, por ejemplo, la Política Pública Nacional LGBTIQ+. También, abre la posibilidad para tramitar leyes que respondan a la lucha de las diversidades sexuales y de género, así como de feministas, movimientos étnicos, ambientalistas y otros grupos poblaciones tradicionalmente excluidos.
"""
Con cada clase me voy enamorando mas de la IA, este es de lejos el mejor curso de Inteligencia Artificial de Platzi, lo dice alguien que ya acabo toda la escuela de IA, hay cursos buenos pero este curso ha superado todas mis espectatitvas y no voy ni por la mitad, de verdad, no me esperaba un curso taaaan genial
Los pipelines de Hugging Face permiten cargar modelos de machine learning con una sola línea de código; estos fueron diseñados para hacer inferencia de manera sencilla a partir de solamente la selección de un modelo y una task, permitiéndole al pipeline interactuar con la task determinada. Al ejecutar un pipeline con una task asignada, será el propio comando del pipeline el que indagará en los modelos para buscar el match más eficiente para la labor asignada.
La construcción de estos comandos se genera a partir de la selección de uno de los tasks que Hugging Face mantiene dentro de su pestaña de “Tasks”, la cual nos permite obtener un repertorio más especializado en la función de la que requerimos. Todo esto parte gracias a transformers, el cual contiene múltiples API’s y herramientas para llevar a cabo el transfer learning, esta página contiene la lista de los transformers. Para instalarse se debe ejecutar el código:
!pip install transformers
!pip install timm
Para usarse de manera posterior las pipelines, se debe ejecutar el código:
from transformers import pipeline
Muchos de estos modelos permiten emplear filtros en los resultados (e.j. longitudes de cadenas); en caso de querer ahora ocupar un modelo específico de machine learning para una labor, sólo debemos especificarlo, esto es:
Realmente estoy sorprendido de la facilidad en como se muestra el uso de modelos que, como el instructor dice, están en el estado del arte.
Ya había interactuado con Hugging Face pero no sabia que podía extrapolar los modelos con tanta sencillez.
Igualmente sorprendido de como se expone el uso de los modelos disponibles y como filtrarlos para realizar tareas especificas de manera tan sencilla. al igual que otros compañeros de la plataforma tremendamente emocionado por seguir aprendiendo.
Probando un poco la task image-segmentation con el modelo que sugiere google/vit-base-patch16-224 conoce muy bien los platanos pero las peras no se las han presentado 😂
Y tampoco conoce los mangos 😜
¿Tendrá alguna explicación estas situaciones? Habrá que explorar un poco más 🧐
Hola , estoy buscando a alguien que quiera aprovechar éste curso practicando , quiero hacer reconocimiento facial de vacas para poder llevar en memoria , nombre , vacunacion , etc su bitacora y que este accesible al solo hecho de apuntar con el celular, es para nuestra finca , estoy aprendiendo a manejar la finca y veo que hace falta ésto , seria super bueno
pensaría que para este caso sería mas practico que las vacas llevaran un tag de identificación electrónica antes que entrenar a una IA sobre cada vaca, creo que sería algo muy laborioso considerando el tiempo de vida de los animalitos...
Hola, tengo una duda, en el entorno de jupyter notebook se muestra que se esta descargando el modelo sin embargo jamas termina de descargarlo por completo(espere una hora), mientras que en colab es solo cuestion de minutos ¿Tiene algo que ver con el entorno o solo es una configuracion que necesito cambiar?
En colab es cuestion de minutos para poder trabajar con el modelo, sin embargo en jupyter notebook solo me sale la barra de descargando, sin embargo la barra no avanza en absoluto, mi pregunta era si a alguien mas le habia pasado o si tiene que ver con el entorno en el que estoy programando. Buen dia
spanish_text_generator = pipeline("text-generation", model='mrm8488/spanish-gpt2')spanish_text_generator("Me gustaría poder trabajar en Inteligencia ")
[{'generated_text': 'Me gustaría poder trabajar en Inteligencia italoamericana con un futuro americano sólido y seguro para la inteligencia americana de mierda.¿Lo harías?Sí¡Sí!Y por eso me llaman el chico duro.Bien, Sr. Presidente, lo haremos.'}]
El reto haciendo uso del modelo "bigscience/bloom-560m"
En las primeras pruebas, evidencié sesgos de género marcados, algo en lo que según sé, están trabajando para eliminar.
Traté adicionalmente de probar otros modelos como el "bigscience/bloom-7b1" y el "sberbank-ai/mGPT" pero son aparentemente muy pesados para los recursos que brinda Colab sin suscripción.
Hola, una duda, use el modelo "mt5-spanish-mlsum" pero por alguna razón me devuelve el resumen repetido, ¿es algo normal?. Btw el curso está fantástico, gracias.
Al usar la sumarizacion del mismo texto sugerido, como es posible que hiciera exactamente el mismo resumen en mi collab? o es este precisamente el comportamiento esperado?
Tal vez es una pregunta tonta, pero todo esto se corre en la maquina (al momento de ejecutarse, luego de descargar las dependencias) de manera completamente offline?
