En esta charla, abordaremos tres preguntas clave:

• ¿Cómo podemos determinar automáticamente cómo son los datos de alta calidad entre distintos dominios?
• ¿Cómo podemos encontrar o generar de forma automática y eficiente esos datos de alta calidad para entrenar o mejorar modelos de gran escala?
• ¿Cómo podemos reducir los costes de entrenamiento y computación disminuyendo conjuntos de datos masivos a conjuntos más pequeños sin perder (o incluso ganando) rendimiento?

La reciente aparición de potentes modelos fundacionales ha impulsado una nueva ola de aplicaciones en múltiples disciplinas, desde la salud hasta la biología. Esto ha generado una demanda insaciable de datos. Para satisfacer esta demanda, los datos se consumen y etiquetan agresivamente cuando son abundantes, y se auto-etiquetan o generan mediante modelos fundacionales cuando son escasos.

Generalmente, el foco está puesto en datos con anotaciones de alta calidad o generados por sensores o sistemas de alta precisión. Sin embargo, esta visión limitada de la calidad puede introducir sesgos importantes y no resuelve el problema de reducir los volúmenes de datos a una cantidad manejable.

Ponentes: Nadine Chang, investigadora sénior en el Grupo de Investigación Aplicada en Vehículos Autónomos de NVIDIA, y José Alvarez, director de investigación en NVIDIA.
Presenta: Mariona Sanz, responsable de Innovación y Desarrollo de Negocio en BSC.