Francisco Martín

CEO at BigML

Francisco Martín

CEO at BigML
twitter-iconlinkedin-icon

Biography

El  Dr. Francisco Martín es el consejero delegado de BigML, Inc, compañía que cofundó en Oregón en 2011 y ha desarrollado la primera y más avanzada plataforma de Machine Learning del mercado.
Francisco fue el fundador y consejero delegado de Strands, Inc entre 2004 y 2010 que fue pionera en Sistema de Recomendación basados en comportamiento. Francisco también fue fundador y consejero delegado de iSOCO-Intelligent
Software Components, SA entre 1999 y 2002 que fue la primera spin-off del Consejo Superior de Investigaciones Científicas.
Francisco se licenció en informática por la Universidad Politécnica de Valencia con una nota media de 9.3, se doctoró en
Inteligencia Artificial con una tesis* Summa Cum Laude* por la Universidad Politécnica de Cataluña y cursó un post-doctorado en Machine Learning en la Universidad Estatal de Oregon.
Francisco es inventor o coinventor en una veintena de patentes en Sistemas de Recomendación y Machine Learning muchas de las cuales fueron compradas por Apple en 2011.

Entrevista a Francisco Martín (CEO at BigML):

P: ¿Qué te llevó a dedicarte profesionalmente a esta área de investigación?

R: Cuando cursaba el quinto curso de informática en la UPV,  Inteligencia Artificial era una de las asignatura optativas y me cautivó profundamente porque era la programación más avanzada. Tuve la “suerte” de que el Consejo Superior de Investigaciones Científicas me diera una beca de introducción a la investigación y me invitara a pasar unos meses a su Instituto de Investigación en Inteligencia Artificial, que está en Bellaterra.

He puesto suerte entre comillas porque en realidad había trabajado mucho para tener un buen expediente académico, terminé con una nota media de 9.3 tras 5 años de carrera. Con matrículas de honor en asignaturas que a muchos estudiantes les llevaba varios años aprobar y de las cuales estoy seguro muchos estudiantes en la actualidad tendrían problemas en superar. Todo ese esfuerzo y trabajo que dediqué para afianzar de forma profunda los conceptos de las ciencias de la computación me han servido durante muchos años ante multitud de problemas.

Sobre mi comentario de los estudiantes actuales, me llama la atención cómo los recién graduados cojean en temas que se impartían en esas asignaturas tan fundamentales como algorítmica, informática teórica, matemáticas discretas, etc. y apenas están preparados para revolver problemas de cierta complejidad técnica.

 

P: Tienes un Postdoc en Machine Learning por la Oregon State University… Considerando este bagaje formativo, ¿qué técnica de Machine Learning te gusta más? ¿Por qué?

R: En principio ninguna técnica en concreto, sino aquella que mejor solucione el problema en cuestión. Al fin y al cabo el Machine Learning ofrece una caja de herramientas y quien lo use debe saber qué herramientas utilizar y cómo combinarlas para resolver un problema determinado. De cualquier forma, soy un fan de Leo Breiman y todas sus invenciones CART, Bagging, o Random Forest.

Leo Breiman fue un estadístico que revolucionó las estadísticas gracias a su paso de más de una década por la empresa.  Es una cosa que se debería promover en España, donde la gente suele seguir una vida académica pura. Debería existir una forma donde los profesores hicieran estancias largas de uno o más años en la empresa, para que pudieran vivir problemas del mundo real de primera mano, de forma que luego podrían enfocar su vida académica de dos formas distintas: centrarse en la investigación de nuevas técnicas para resolver problemas del mundo real y enseñar a los alumnos conceptos y técnicas más cercanas a la realidad.

 

P: Y siguiendo con el tema de Machine Learning… ¿Crees que Google va a  monopolizar esta tecnología?

R: Creo que por lo menos lo está intentando. Acumula gran parte del mejor talento a nivel mundial y tiene los datos y la capacidad para aplicarla internamente y optimizar sus operaciones para ser todavía más competitiva.  Cualquier empresa que se precie debería intentar imitarla. Me da pena que la asimetría ya existente entre empresas como Google y las grandes empresas españolas se haga todavía mayor. Pasa el tiempo y ninguna empresa española ha hecho el más mínimo movimiento para tomarse el Machine Learning en serio y convertirse en productor y no mero consumidor de tecnología extranjera.

 

P: Actualmente eres CEO de BigML, ¿Podrías relatarnos brevemente cómo es un día típico en tu trabajo?

R: A veces me presento diciendo que la “E” de CEO es por “Everything”. Y es que en estas compañías con una estructura tan plana y un estado tan incipiente el CEO hace absolutamente de todo. En los primeros cuatro años de BigML estuve mucho más involucrado en el desarrollo. Volví a programar de forma continuada después de muchos años y me divertí mucho. Más adelante, conforme la compañía ha ido creciendo, me he centrado más en el diseño general del producto y más recientemente en todo lo relacionado con su utilización.

En un día ideal, me suelo levantar a las 5am. Dedico la primera hora del día a leer. Luego de 6am a 8am lo reservo para reuniones con Europa y las 8am a 1pm para reuniones con clientes en US. Intento echar una siesta cada día de por lo menos 30 minutos. La tarde la dedico a revisar todo el email y producir todo lo que me toca personalmente: presentaciones, propuestas, etc. Intento irme a la cama antes de las 11pm pero no siempre lo consigo.  Sin embargo, la mayoría de días son inesperados con multitud de tareas que tenemos  que entregar ya o a las que hay que responder de forma inmediata.

Mucha gente se estresa en situaciones de este tipo ya que no pueden paralelizar tanta carga. Trabaje de camarero a los 18 años y creo que no hay nada como tener que atender muchas mesas y muchos clientes para ejercitar la capacidad de hacer tareas en paralelo. Para poder cambiar de tópico muchas veces juego 5 minutos de ajedrez.

 

P: ¿Qué hace a BigML especial?

R: Hemos sabido combinar un equipo que ha diseñado e implementado un producto complejo de una forma muy elegante y robusta. Muchas compañías que han intentado lo mismo, o bien se han llenado de científicos, o bien no tenían los suficientes. Nosotros hemos combinado perfiles que entienden muy bien el Machine Learning más básico con perfiles con dilatada experiencia en ingeniería de software, otros perfiles que dominan la infraestructura y otros expertos en el diseño de productos. Toda la combinación es lo que ha dado la magia a BigML para crear una plataforma que no sólo baja la barrera de entrada al Machine Learning sino que lo hace para que los clientes lo disfruten.

 

P: ¿Cómo crees que la irrupción de los chatbots y del procesamiento  del lenguaje natural (PNL) está transformando el negocio digital?

R: Creo que hay muchísimo por hacer todavía. Todo lo que conozco en este sentido es todavía muy básico. Si bien los resultados en speech-to-text o text-to-speech de los nuevos asistentes como Alexa, Siri, o Google Home son espectaculares, todavía se necesitan mayores avances para que un niño de temprana edad no descubra que las tecnologías para entender nuestro lenguaje dejan mucho que desear. El nivel de conversación que los chatbots permiten en la actualidad es muy pobre. Comercialmente funciona bien porque quien se entrena a utilizarlas es la persona y no la máquina.  Pienso que en unos cinco años veremos invenciones en este campo mucho más avanzadas.

 

P: ¿Puedes indicarnos un par de nombres de personas que consideres que han hecho (o están haciendo) una aportación significativa en el área del Machine Learning?

R: Leo Breiman que mencionaba antes y por supuesto Tom Dietterich. Tuve la suerte de conocerlo en 1998 cuando él ya llevaba 18 años liderando el área del Machine Learning. Pude trabajar con Tom Dietterich en el 2003 y co-creamos dos empresas juntos. Tom es sin duda la persona más brillante que he conocido, también la más profesional y la que más ha contribuido a que la comunidad de Machine Learning sea seria, robusta y abierta.

All sessions by Francisco Martín