Image Description

Dra. Helena Gómez Adorno

Título: MINERÍA DE TEXTOS: Retos y Oportunidades

Reseña:
En la plática abordaré un resumen de los avances tecnológicos que se han realizado en el área de tecnologías del lenguaje para la minería de textos. Analizaremos los retos del procesamiento automático del lenguaje y las oportunidades existentes en esta área de investigación. Finalmente veremos como la minería de textos especializados en diferentes ciencias o áreas puede ayudar a encontrar nuevo conocimiento.

Semblanza:
Helena Gómez Adorno es Investigadora Asociada C en el Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas de la UNAM. Es Doctora en Ciencias de la Computación con mención honorífica por el Centro de Investigación en Computación (CIC) del Instituto Politécnico Nacional en el 2018. Sus intereses de investigación se encuentran en el área del procesamiento automático del lenguaje, en particular ha trabajado en temas de similitud semántica, atribución de autoría, perfilado de autor, análisis de sentimientos, extracción de información en textos médicos, entre otros. Sus trabajos han sido publicados en revistas especializadas y en congresos nacionales e internacionales. Actualmente es miembro del Sistema Nacional de Investigadores del CONACYT en el Nivel 1.


Image Description

Dra. Marcela D. Rodríguez

Título: Aplicaciones de la inteligencia artificial para medir y asistir cognitivamente a los adultos mayores

Reseña:
En esta plática se presentará cómo hemos utilizado técnicas de la inteligencia artificial para implementar estrategias clínicas propuestas para abordar las limitaciones cognitivas que el adulto mayor enfrenta para realizar algunas actividades de vida diaria (AVD). Por ejemplo, se ha identificado que las estrategias conductuales basadas en el entrenamiento de hábitos mejoran la adherencia a la medicación en comparación con usar sólo recordatorios; o que para determinar su capacidad cognitiva para conducir automóviles se utilizan estrategias basadas en la observación y en aplicar instrumentos de medición cognitiva. Sin embargo, se requieren de especialistas del dominio clínico que aplique las estrategias mencionadas, lo cual es costoso en tiempo. Nuestras propuestas incluyen técnicas de la inteligencia artificial, tal como agentes conversacionales, que proveen el asesoramiento que requiere el adulto mayor. Presentaremos evidencia del desempeño y efectividad de nuestros sistemas, y finalizaremos con una reflexión de los retos y oportunidades en este tema.

Semblanza:
MARCELA D. RODRÍGUEZ recibió el grado de Doctor en Ciencias de la Computación del CICESE, Ensenada, Mexico, en 2005. Actualmente es Profesor-Investigador de la Facultad de Ingeniería de la Universidad Autónoma de Baja California, en Mexicali. Es miembro del Sistema Nacional de Investigadores del CONACyT con el nivel 2. Sus líneas de investigación son: Cómputo Móvil y Ubicuo, Interacción Humano-Computadora y Agentes de Software, aplicadas a dominios de la Informática Médica y el cómputo orientado a la asistencia de los adultos mayores -enfoque conocido como "Ambient Assisted Living" (AAL).


Image Description

Dr. Rubén Villegas

Título: Modelos de Movimiento Humano y Animación

Reseña:
En esta charla presentaremos algoritmos de aprendizaje automático enfocados en la generación de movimiento humano con respecto a 1) restricciones en la geometría de diferentes tipos de cuerpo 2) restricciones en el ambiente 3D, y 3) modelos generativos de movimiento con varios usos de síntesis. En el primero estudiamos objetivos y arquitecturas para redes neuronales que proveen información sobre cómo el cuerpo se deforma y choca durante el movimiento. En el segundo estudiamos arquitecturas y estrategias para animar a un humano para que interactúe con sillas, planee pasos y camine alrededor de un cuarto con obstáculos. En el tercer trabajo presentaremos un modelo que aprende cómo los humanos se mueven en una base de datos general y luego demostramos cómo este modelo puede ser usado en diferentes aplicaciones de movimiento humano.

 

Semblanza:
Rubén es científico investigador en Google Brain, donde trabaja en modelos generativos, aprendizaje auto-supervisado y aprendizaje multimodal en el dominio del video. Rubén está particularmente interesado en descubrir cómo incorporar efectivamente la dimensión del tiempo durante el aprendizaje y aumentar la solidez en las representaciones aprendidas. Antes de unirse a Google, pasó dos años increíbles en el laboratorio de inteligencia creativa de Adobe Research, donde se concentró en proyectos de investigación sobre humanos digitales, principalmente modelos de movimiento humano y animación. Recibió su doctorado del Departamento de Ingeniería y Ciencias de la Computación de la Universidad de Michigan, Ann Arbor, bajo la supervisión del profesor Honglak Lee


Image Description

Dr. Isaac Chairez

Title: Dynamic neural networks for classification of time dependent signals based on stable learning laws in Lyapunov sense

Abstract:
Traditional methods for developing and implementing classifiers of time dependent signals usually implement pre-treatment schemes that may reduce the classification quality. Nowadays, the inclusion of dynamic neural networks (recurrent and differential) has motivated the application of signal classifiers without pre-treatment methods but requires some novel paradigms for developing learning laws. The dynamic nature of these classifiers allows to integrate the well-known Lyapunov theory for developing stable learning laws that can support the effectiveness of the classification process. This talk reviews the results developed over the last years concerning new learning laws and classification paradigms for continuous and recurrent neural networks including multilayer forms, long-short term memories, continuous networks with single and multiple players and some others. The theoretical fundamentals required to develop the new learning laws are reviewed and justified, including the construction of candidate Lyapunov functions for developing the learning laws as well as to prove the convergence of the classification method. Several examples are also analyzed along the talk to illustrate the benefits of the proposed learning laws implemented in the classes of considered dynamic neural networks. The description of some future trends in this novel area are proposed.


Image Description

Dr. Juan Villegas Cortez

Tutorial: Elaboración de documentos científicos con LaTeX

Proporcionar a los asistentes los aspectos básicos e intermedios acerca de la elaboración de documentos científicos con el procesador de textos LaTeX, como una composición tipográfica, todo esto orientado hacia el área de ingeniería y ciencias.

Matemático aplicado por la Universidad Autónoma Metropolitana (UAM), Unidad Iztapalapa. Maestro en Ciencias de la Computación por la UAM Azcapotzalco, y Doctor en Ciencias de la Computación por el Centro de Investigación en Computación del IPN, en el Laboratorio de Reconocimiento de Patrones. Miembro del SNI y Perfil deseable PRODEP, Decano en la competencia NASA Lunabotics 2012 y miembro vigente de la ACM e IEEE. Sus áreas de investigación e interés son el reconocimiento de patrones, análisis de imágenes, redes neuronales artificiales, memorias asociativas y algoritmos evolutivos.


Image Description

Dr. Gilberto Ochoa Ruiz

Tutorial: Métodos modernos de detección de objetos en video

El objetivo principal del tutorial es introducir a los asistentes al los mas recientes métodos para la detección de objetos, tanto en imágenes fijas como en video. el tutorial cubrirá la historia de este problema de gran importancia en la visión por computadora y se analizaran los desarrollos más recientes logrados a través de técnicas de aprendizaje profundo, desde una perspectiva teórica y práctica, apuntando a muchas de las aplicaciones más importantes y a áreas de oportunidad. el curso tiene un componente "hands-on"  en el cual los asistentes podrán poner en practica lo aprendido y potencialmente desarrollar su propio dataset y generar su propia aplicación

Semblanza:
El Dr. Gilberto Ochoa Ruiz es actualmente profesor investigador en el Instituto Tecnológico de Estudios Superiores de Monterrey (ITESM), campus Guadalajara. Obtuvo su grado de maestro en Computer Vision and Robotics por la Heriot-Watt University (Edimburgo, Reino Unido). Realizó su estancia de maestría en la unidad de medical imaging de la compañía Barco. Posteriormente, realizó su doctorado en Electronic Imaging and Computer Vision por la Universidad de Borgoña (Francia). Realizó dos estancias postdoctorales en el Laboratorio LAb-STICC (Bretagne, Francia) y el INRIA Lille (Nord Pas de Calais, Francia).
Ha sido miembro del núcleo académico básico de diversos programas de posgrado en Ciencias Computacionales y Tecnologías de la Información y las Comunicaciones (Universidad Autónoma de Guadalajara) participando en la LGAC de Inteligencia Computacional Aplicada. Recientemente, se ha integrado al grupo de Modelos de Aprendizaje Automático del Tecnológico de Monterrey y forma parte del claustro académico de la maestría y doctorado en Ciencias Computacionales avalado también por el PNPC del CONACYT. El Dr. Gilberto Ochoa Ruiz es miembro del Sistema Nacional de Investigadores (Nivel I), de la Sociedad Mexicana de Inteligencia Artificial (SMIA), de la Asociación Mexicana de Computación (AMEXCOMP) y de la Sociedad Mexicana de Ciencias Computacionales. Es además investigador asociado a dos programas Erasmus Mundus de la Unión Europea, el primero con el Master in Computer Vision and Robotics (Vibot) y al Master in Medical Imaging and Applications (MAIA+).


Image Description

Marco Aurelio Sotelo Figueroa

Tutorial: Uso de Python y MPI para la detección de círculos en imágenes mediante algoritmos evolutivos.

Reseña:
El avance tecnológico de Computadoras ha llevado a que dispongamos de una mayor capacidad de cómputo, sin embargo, muchas veces ese poder de cómputo es poco explotado.
En una sociedad donde la generación de información se está volviendo algo cotidiano es necesario incorporar dicho poder de cómputo a las tareas de la vida diaria de manera que se puedan llevar a cabo en el menor tiempo posible.
En el presente taller se verá la manera en la que se puede implementar MPI con Python con la finalidad de paralizar un algoritmo evolutivo para detectar círculos en imágenes.
Al finalizar el taller el participante será capaz de entender los elementos que permiten paralizar un algoritmo evolutivo usando MPI con Python con la finalidad de evaluar en diferentes procesadores la función objetivo debido al tiempo que lleva la evaluación de función objetivo usada a minimizar, en este caso la detección de los círculos en las imágenes.


Image Description

Dr. Andrés Espinal Jiménez

Tutorial: Neuronas Pulsantes: Conceptos, Implementación y Aplicaciones

Reseña:
Las neuronas pulsantes constituyen la tercera generación de redes neuronales artificiales. Estas neuronas poseen un mayor grado de plausibilidad hacia sus homólogas biológicas, siendo capaces de resolver problemas discretos, continuos y espacio-temporales. En años recientes, ha aumentado el uso de las neuronas pulsantes aplicadas a resolver problemas de ingeniería y otras áreas en tareas como reconocimiento de patrones, sistemas de locomoción, etc.
En este taller se introducirán los conceptos fundamentales de modelos de neuronas pulsantes, dinámica neuronal y codificación neuronal. También se revisarán y programarán en Python metodologías para la solución de problemas de reconocimiento de patrones y generación de sistemas de locomoción para robots con patas.
Al finalizar el taller, los participantes habrán implementado y experimentado con sistemas de reconocimiento de patrones y sistemas de locomoción para robots con patas
 
Semblanza:
Ingeniero en Sistemas computacionales (2009) y Maestro en Ciencias de la Computación (2011) por el Instituto Tecnológico de León.
Doctor en Ciencias en Computación por el Tecnológico Nacional de México – Instituto Tecnológico de Tijuana (2017)
Profesor investigador en la Universidad de Guanajuato
Investigador Nacional Nivel I del Sistema Nacional de Investigadores del Consejo Nacional de Ciencia y Tecnología
Áreas de interés: redes neuronales, algoritmos bioinspirados, algoritmos evolutivos y aprendizaje máquina.


Escuela de Sistemas Biológicos e Innovación Tecnológica, SBIT, UABJO

Av. Universidad S/N. Ex-Hacienda 5 Señores
Oaxaca, Méx. C.P. 68120