🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷Accede a todo el contenido para convertirte en un ninja de los datos:⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🎥 ⁠⁠Sesiones de formación⁠⁠👥 Comunidad ninjaEn el episodio de hoy descubrimos cómo LinkedIn actualiza sus modelos de IA cada hora sin morir en el intento.Spoiler: entrenar un modelo una vez está bien... pero mantenerlo actualizado 24/7 con millones de usuarios es el verdadero reto.✅ Por qué el entrenamiento tradicional "cold start" no funciona a escala (es caro, lento y frágil).✅ Qué es el entrenamiento incremental y cómo LinkedIn ahorra 9 veces en costes.✅ El desafío de generar datos en tiempo real con Apache Flink y Kafka.✅ Cómo manejar 30,000-35,000 eventos por segundo con menos de 5ms de latencia.✅ Por qué los grafos estáticos de TensorFlow/PyTorch son clave en producción.✅ La importancia de los checkpoints y la tolerancia a fallos.✅ Resultados reales: +2% en aplicaciones cualificadas, +4% en clicks de anuncios...Y mucho más💥Después de este episodio entenderás por qué llevar Machine Learning a producción es MUY diferente a entrenar en un notebook de Jupyter.📰 Suscríbete a la newsletter donde profundizaré en las herramientas concretas que usa LinkedIn: https://datos.kit.com/roadmapEpisodios anteriores relacionados:⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 94⁠.⁠ Buenas prácticas para científicos de datos⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 80⁠.⁠ Machine Learning 101⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 83⁠.⁠ Una neuronaRecuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠ o en ⁠⁠⁠Linkedin⁠⁠.📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/105-linkedin-y-el-entrenamiento-incremental-ml

Ver todos los episodios