MaquinarIA pesada

MaquinarIA Pesada · maquinariapesadapodcast.es

MaquinarIA Pesada es un podcast sobre inteligencia artificial aplicada a empresa. Explicamos conceptos técnicos, decisiones de negocio y casos reales para entender qué significa llevar la IA a producción: datos, costes, proveedores, automatización, límites, riesgos y adopción.Cada episodio combina conversación, ejemplos prácticos y análisis de casos reales para separar lo que funciona de verdad del ruido comercial que rodea a la IA.

13 episodes

26d ago latest

3x a week cadence

Spanish language

▶ Play latestRSS feed Website Technology Business Management

https://maquinariapesadapodcast.es/feed/podcast/maquinaria-pesada/

Episodes 13

M1.6 · Lógica difusa: cómo la IA modela lo que no es blanco ni negro
26d ago · 14:59
La lógica difusa lleva décadas en producción en control industrial, electrodomésticos y sistemas embebidos. En este episodio explicamos cómo funciona, cuándo tiene ventaja sobre el machine learning y cuándo no. Con el caso de Siemens y el control de hornos de cemento mediante lógica difusa.
M1.5 · IA neuro-simbólica: cuando las reglas y los datos trabajan juntos
26d ago · 12:46
La IA neuro-simbólica combina lo que las redes neuronales aprenden con lo que la lógica sabe. En este episodio explicamos cómo funciona esa combinación, dónde tiene sentido y dónde no, con el caso de DeepMind AlphaFold y la predicción de más de doscientos millones de estructuras de proteínas.
M1.4 · Sistema 1 en IA: inferencia rápida, confianza sin verificación
26d ago · 13:13
Sistema 1 en IA es inferencia directa sin razonamiento intermedio. Rápido, barato, escalable. Pero con un límite crítico: no tiene autocrítica. En este episodio explicamos cuándo usarlo y cuándo no, con el caso de Mastercard y su sistema de detección de fraude en tiempo real.
M1.3 · RNN: por qué la memoria de la IA tiene límites y cuándo importa
26d ago · 13:02
Las RNN fueron la arquitectura dominante en procesamiento de lenguaje antes de los transformers. En este episodio explicamos cómo funcionan, qué es el vanishing gradient y por qué es un límite real en producción. Con el caso de Google GNMT y la reducción del sesenta por ciento en errores de traducción.
M1.2 · Sistemas expertos: cuándo la IA basada en reglas sigue ganando
26d ago · 13:08
Los sistemas expertos siguen en producción en hospitales, plantas industriales y despachos de abogados. En este episodio explicamos cómo funcionan, qué los diferencia de las redes neuronales, y cuándo tienen sentido frente a modelos de aprendizaje automático. Con el caso de Amazon y su sistema de gestión de almacén.
M1.1 · Inviernos de la IA: por qué el hype colapsa y qué señales lo anuncian
26d ago · 13:57
Los inviernos de la IA son los períodos en que el campo entró en crisis profunda: financiación cortada, proyectos abandonados, reputación destruida. En este episodio explicamos qué los causó, qué patrón se repite y qué señales permiten detectarlos antes de que lleguen. Con el caso de IBM Watson Health como ejemplo de invierno a escala de empresa.
M0 · IA en producción: lo que nadie calcula antes de firmar
1mo ago · 14:42
Un modelo de IA puede llevar dos años en producción tomando decisiones sobre un mundo que ya no existe. No porque falle técnicamente. Sino porque nadie le ha contado qué ha cambiado. En este episodio: corte de conocimiento y TCO. Las dos variables que deberían estar sobre la mesa antes de firmar cualquier proyecto de IA, y que casi nunca están. Con el caso real de JPMorgan COIN: 360.000 horas de revisión de contratos reducidas a segundos, y lo que ese número no cuenta.
M0.6 · Del piloto a producción: por qué tantos proyectos de IA se atascan
1mo ago · 13:30
Muchos proyectos de IA funcionan en piloto, pero no llegan a producción. En este episodio explicamos el ciclo de adopción de IA y los bloqueos que aparecen entre exploración, piloto, despliegue y operación continua.
M0.5 · Casos reales de IA por sector: qué puedes copiar y qué no
1mo ago · 13:04
Un caso de éxito de IA no siempre se puede copiar. En este episodio vemos cómo evaluar casos reales por sector y qué condiciones hacen que un proyecto funcione: datos, proceso y métrica de éxito.
M0.4 · Qué puede hacer la IA y qué no: el riesgo de las respuestas convincentes
1mo ago · 13:57
La IA puede generar respuestas muy convincentes, incluso cuando son falsas. En este episodio hablamos de alucinaciones, límites estructurales y verificación humana a partir del caso Mata vs Avianca.
M0.3 · Modelos de IA: cómo elegir proveedor sin quedar atrapado
1mo ago · 13:42
El mercado de IA está lleno de modelos, APIs y proveedores. En este episodio explicamos cómo elegir entre modelos abiertos, cerrados y plataformas sin quedar atrapado en el ecosistema equivocado.
M0.2 · Tipos de IA: discriminativa, generativa y por qué importa distinguirlas
1mo ago · 14:51
No todas las soluciones de IA son iguales. En este episodio explicamos la diferencia entre IA discriminativa e IA generativa, cómo falla cada una y qué preguntas deberías hacer antes de contratar una solución.
M0.1 · Paradigma estadístico: por qué la IA aprende de datos y no de reglas
1mo ago · 12:30
La inteligencia artificial moderna no funciona como muchos imaginan. No sigue una lista de reglas escritas a mano. Aprende patrones a partir de datos. En este episodio explicamos qué es el paradigma estadístico, cómo se diferencia del enfoque simbólico y por qué entenderlo cambia la forma de evaluar, contratar y desplegar sistemas de IA. Hablamos de modelos que aprenden de datos históricos, de degradación con el tiempo, de supervisión en producción y del caso JPMorgan COIN.

Episodes

Reading the feed…

More Technology shows

MaquinarIA pesada

Episodes 13

M1.6 · Lógica difusa: cómo la IA modela lo que no es blanco ni negro

M1.5 · IA neuro-simbólica: cuando las reglas y los datos trabajan juntos

M1.4 · Sistema 1 en IA: inferencia rápida, confianza sin verificación

M1.3 · RNN: por qué la memoria de la IA tiene límites y cuándo importa

M1.2 · Sistemas expertos: cuándo la IA basada en reglas sigue ganando

M1.1 · Inviernos de la IA: por qué el hype colapsa y qué señales lo anuncian

M0 · IA en producción: lo que nadie calcula antes de firmar

M0.6 · Del piloto a producción: por qué tantos proyectos de IA se atascan

M0.5 · Casos reales de IA por sector: qué puedes copiar y qué no

M0.4 · Qué puede hacer la IA y qué no: el riesgo de las respuestas convincentes

M0.3 · Modelos de IA: cómo elegir proveedor sin quedar atrapado

M0.2 · Tipos de IA: discriminativa, generativa y por qué importa distinguirlas

M0.1 · Paradigma estadístico: por qué la IA aprende de datos y no de reglas

Episodes

More Technology shows

AppleVis Podcast

Material

Área de Transferência

Super Feed

Don't Panic

HTML All The Things - Web Development, AI, and Developer Careers

Episodes 13

M1.6 · Lógica difusa: cómo la IA modela lo que no es blanco ni negro

M1.5 · IA neuro-simbólica: cuando las reglas y los datos trabajan juntos

M1.4 · Sistema 1 en IA: inferencia rápida, confianza sin verificación

M1.3 · RNN: por qué la memoria de la IA tiene límites y cuándo importa

M1.2 · Sistemas expertos: cuándo la IA basada en reglas sigue ganando

M1.1 · Inviernos de la IA: por qué el hype colapsa y qué señales lo anuncian

M0 · IA en producción: lo que nadie calcula antes de firmar

M0.6 · Del piloto a producción: por qué tantos proyectos de IA se atascan

M0.5 · Casos reales de IA por sector: qué puedes copiar y qué no

M0.4 · Qué puede hacer la IA y qué no: el riesgo de las respuestas convincentes

M0.3 · Modelos de IA: cómo elegir proveedor sin quedar atrapado

M0.2 · Tipos de IA: discriminativa, generativa y por qué importa distinguirlas

M0.1 · Paradigma estadístico: por qué la IA aprende de datos y no de reglas