Portland AI Engineers January Meeting

Este mes tendremos presentaciones técnicas detalladas de creadores de IA que buscan comentarios y perspectivas diversas para las que siempre se puede contar con nuestra increíble comunidad.

**Horario:**

* 5:00 - 5:30: Refrigerios y networking
* 5:30 - 6:30: Presentaciones
* 6:30 - 7:00: Cierre y networking

***

### Presentadores

\-\-\-

**Randy Olson**
**Título:** Más allá de la demostración: creación de IA confiable con evaluaciones de LLM
**Acerca de mí:**
Randy Olson es cofundador y director de tecnología de Goodeye Labs, donde está creando herramientas para ayudar a los equipos a evaluar los resultados de la IA a escala. Tiene un doctorado en Ciencias de la Computación y más de 15 años de experiencia práctica en ingeniería de software, aprendizaje automático, biología computacional, ciencia de datos y desarrollo de productos de inteligencia artificial. Su trabajo ha aparecido en el New York Times, Wired y FiveThirtyEight, incluidos proyectos como calcular viajes por carretera óptimos y analizar tendencias de datos a gran escala. También ha creado herramientas de código abierto ampliamente utilizadas como TPOT, una biblioteca automatizada de aprendizaje automático. Hoy en día, se centra en resolver un problema que ha visto en todos los equipos con los que ha trabajado: hacer que los sistemas de IA sean más fiables y dignos de confianza en los entornos de producción.
**Descripción de la charla:**
Las evaluaciones de LLM (evals) se han convertido en uno de los temas más comentados en ingeniería de IA, pero para muchos equipos siguen siendo abstractas o intimidantes. Esta charla corta el ruido y se vuelve práctica. ¿Qué son las evaluaciones de LLM, por qué deberían importarle y cómo implementarlas realmente? Comenzaré explicando qué hace que las evaluaciones sean esenciales, especialmente a medida que la IA pasa de las demostraciones a los sistemas de producción donde la calidad y la coherencia son importantes. Analizaremos el panorama de la evaluación, incluidos marcos sólidos de código abierto como DeepEval y Verdict que puede comenzar a usar hoy. Luego, analizaré un ejemplo práctico utilizando Truesight, la plataforma de evaluación que he estado construyendo en Goodeye Labs, para mostrar cómo se configura y ejecuta evaluaciones en la práctica. Ya sea que sea un ingeniero de inteligencia artificial que envía modelos, un gerente de producto que define barras de calidad o cualquier persona que trabaje de manera práctica en el espacio de inteligencia artificial, saldrá con una comprensión clara de por qué las evaluaciones son importantes y cómo comenzar, con o sin presupuesto.

**Participa:**

* **Presente su trabajo en un evento futuro**: envíenos un correo electrónico a [[email protected]](http://mailto:[email protected]/) para discutir cómo compartir su proyecto o sus ideas.
* **Envíe comentarios**: ayude a dar forma a nuestra comunidad compartiendo sus ideas y sugerencias
* **Patrocine un evento**: [Contáctenos](https://www.portlandai.engineer/sponsorship) para analizar oportunidades de asociación

Para obtener más información y unirse a nuestra comunidad, visite [portlandai.engineer](https://portlandai.engineer/)
**Gracias a nuestros increíbles patrocinadores**
[Experimento de la incubadora de Portland] (https://www.piepdx.com/) (PIE)
[Floristería de silicona](https://siliconflorist.com/)
[Alteredcraft](https://alteredcraft.com)
[O'Reilly](https://www.oreilly.com/)
[Instrumento](https://www.instrument.com/)