Seminario: Ponemos la inteligencia artificial a prueba

Casi a diario oímos hablar del enorme potencial de la inteligencia artificial y de cómo ampliará las capacidades humanas y transformará el mundo tal y como lo conocemos.

Pero ¿cómo debemos abordar las pruebas y el aseguramiento de la calidad de los sistemas de inteligencia artificial?

Trifork QI organiza un seminario vespertino el 13 de enero de 2020, en el que analizaremos el potencial, los retos y los riesgos a los que nos enfrentamos al probar y garantizar la calidad de esta tecnología en pleno crecimiento.

Nuestros dos ponentes principales, Stefan Veis Pennerup, de Trifork, y Vipul Kocher, de AiU y testAIng.com, abordarán cuestiones como:

¿Qué es la inteligencia artificial y en qué se diferencia del machine learning y el deep learning?

¿Quién se encargará de probar los sistemas de inteligencia artificial?

¿Significa la inteligencia artificial el fin de las pruebas manuales?

¿Cómo se prueban los sistemas de inteligencia artificial?

¿Cómo puede utilizarse la inteligencia artificial en las pruebas de software?

¿Cuáles son las vulnerabilidades de la inteligencia artificial?

Las presentaciones se impartirán en inglés.

Cuándo y dónde

Fecha: lunes 13 de enero de 2020

Horario: de 14:30 a 17:00

Lugar: Trifork QI, Lautruphøj 1-3, 2750 Ballerup

Se ofrecerá un refrigerio ligero con aperitivos y bebidas.

Nota: si después de inscribirte no puedes asistir, te rogamos que nos lo comuniques escribiendo a info@testhuset.dk antes del 12 de enero de 2020. Aunque el seminario es gratuito, se cobrará una tasa de 500 DKK en caso de no presentarse sin haber avisado dentro del plazo establecido.

Speakers

Stefan Veis Pennerup

Trifork, ML and Google Tech lead

Stefan Veis Pennerup is the ML and Google Tech lead at Trifork in Aarhus, Denmark, with a background as a Mechatronics Engineer. He has recently developed a habit of using Brazilian flip-flops during presentations and has a hypothesis that Machine Learning and flip-flops are related – although correlation does not automatically imply causation. Introducing new customers to Machine Learning on a regular basis has prepared him with a long list of easy digestible examples.