Taller conjunto sobre Deep Learning y Ciencia de Datos CIMAT-INAOE
El Centro de Investigación en Matemáticas A.C. (CIMAT) y el Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) invitan a investigadores y estudiantes al Taller conjunto sobre Deep Learning y Ciencia de Datos CIMAT-INAOE (DLDS 2019) que se llevará a cabo el 2 y 3 de octubre del 2019 en las instalaciones de CIMAT, Guanajuato, Gto. El evento contará con cursos impartidos por ponentes nacionales e internacionales. El evento está dirigido a estudiantes, investigadores y profesionales que desean mantenerse actualizados sobre los desarrollos recientes y las tendencias futuras. Dado que habrá una variedad de niveles, se puede asumir el conocimiento específico de algunos de los cursos.
INVESTIGADORES INVITADOS
Cursos magistrales:
Dr. Stephen J. Wright (University of Wisconsin). BIO
Primera parte: Optimización para aprendizaje de máquina
Segunda parte: Temas recientes en optimización no convexa
Dr. Aaron Courville (University of Montreal)
Dr. Jonathan Huang (Google Al)
Primera parte: Deep learning for structured image understanding (1)
Segunda parte: Deep learning for structured image understanding (2)
Ponencias
Dr. Mario Alberto Díaz Torres, (CIMAT/IIMAS)
Título: A tunable loss function for classification
MSc. Carlos Alfonso Ruiz Guido (Escuela Bourbaki/Oxford University)
Título: PAC and Online learning via Mathematical Logic
Dr. Juan Irving Vásquez Gómez (Instituto Politécnico Nacional)
Título: The view planning problem from a machine learning perspective.
Dr. Bogdan Raducanu (Centro de Visión por Computador)
Título: Temporal Coherence for Active Learning in Videos
Dr. Ángel Sánchez Calle (Universidad Rey Juan Carlos)
Título: Deep Learning applied to Offline Signature Verification
Dra. Aura Conci (Universidade Federal Fluminense)
Títuto: CNN in for cancer detection using biomedical images
Dr. Nilesh Ahuja (Intel)
Título: Uncertainty Estimation in Deep Neural Networks
Javier Felip Leon (Intel)
Título: Enabling Real-Time Performance for Approximate Bayesian Computation
Formato y envío de trabajos.
Los trabajos enviados serán revisados por un comité que determinará la pertinencia de los trabajos. Los trabajos podrán aceptarse para presentarse como póster.
Si va a presentar un trabajo favor de llenar los datos correspondientes y subir en documento en el siguiente link.
Formato de las ponencias:
Se invita a la comunidad a someter resúmenes extendidos (2 a 4 páginas) en temas relacionados con el evento.
- Se podrá someter en formato electrónico libre (.docx o .pdf) y debe incluir las secciones
- Breve Introducción
- Método Propuesto
- Resultados
- Conclusiones
- Bibliografía
- El idioma del resumen puede ser inglés o español.
Temas de Interés
a. Deep Learning: Redes Adversariales; Arquitecturas de las CNN; Autoencoders profundos; Métodos de inferencia eficientes; Métodos de entrenamiento eficientes; Modelos generativos; Optimización para Redes Profundas; Modelos predictivos; Redes recurrentes; Redes profundas supervisadas; Entornos virtuales; Técnicas de visualización de redes profundas.
b. Métodos probabilísticos: Teoría bayesiana y métodos no paramétricos; Inferencia; Procesos gaussianos; Modelos gráficos; Modelos jerárquicos; Modelos de variables latentes; MCMC; Inferencia variacional, Matrices aleatorias. Desigualdades de concentración.
c. Optimización: Optimización Combinatoria; Optimización convexa y no convexa.
d. Algorítmos: Clasificación; Agrupamiento; Filtrado colaborativo; Análisis de componentes; Estimación de densidad; Métodos de Kernel; Aprendizaje de métricas; Datos perdidos; Selección de modelos; Transferencia de aprendizaje; Reducción de la dimensionalidad no lineal; Regresión; Representación dispersa; Sensado comprimido; Métodos espectrales; Métodos estocásticos; Aprendizaje no supervisado.
e. Aplicaciones: Visión computacional; Segmentación de imagen; Denoising; Superresolución; Recuperación de información; Procesamiento de audio y voz; Procesamiento de lenguaje natural; Minería de Textos; Factorización de Matrices; Reconocimiento de actividades y eventos; análisis de gestos; bioinformática; Fotografía computacional; Ciencias sociales computacionales; Modelado y análisis de música; Detección de objetos; Reconocimiento de objetos; Privacidad y seguridad; Finanzas y Econometría; Sistemas de recomendación; Robótica; Procesamiento de señales; Separación de fuentes; Reconocimiento de voz; Análisis de texto; Análisis de series temporales; Seguimiento y movimiento en video; Análisis de video; Segmentación de video; Características visuales; Análisis e interpretación de la escena visual.
Comité Organizador
Oscar S Dalmau Cedeño (CIMAT, Coordinador)
Jean Bernard Hayet (CIMAT)
Víctor Pérez Abreu (CIMAT)
Hugo Jair Escalante (INAOE, CINVESTAV)
