Conferenciantes Magistrales
Javier Mauricio Antelis
Título: Decodificación de señales electroencefalográficas para interfaces cerebro computador
Reseña:
En esta charla se dará un panorama de las interfaces cerebro computador y el rol de los algoritmos de aprendizaje automático para decodificar información cerebral. Se presentarán diversas aplicaciones enfocadas al control de un robot móvil y de un ambiente de realidad virtual, posteriormente se presentarán dos sistemas que funcionan en ambiente clínico con personas con esclerosis lateral amiotrófica y con lesión en la médula espinal. Finalmente se presentarán diversos resultados enfocados a la decodificación de señales cerebrales usando algoritmos de aprendizaje supervisado.
Semblanza:
Javier M. Antelis is a professor-researcher at the School of Engineering and Sciences of the Tecnológico de Monterrey in Guadalajara, Mexico. He studied in Electronics Engineering in Colombia, Master of Science in Electronic Systems in Mexico, and Master and Doctorate in Engineering Sciences in Spain. His research address neurotechnology, brain-computer interfaces, brain imaging, quality-of-life technologies, and pattern recognition, machine learning, analysis, and signal processing for health and astronomy applications. gravitational waves. His research focuses on the creation, design, development, and implementation of technological solutions and EEG-based brain-computer interfaces for movement recovery and rehabilitation that lead to substantially improve and strengthen the quality of life of people, mainly with communication or mobility limitations induced by illness or accident.
Fabian Caba Heilbron
Título: Decodificando Patrones Cinematográficos con Inteligencia Artificial
Reseña:
En esta charla se hablará de diferentes modelos de machine learning que intentan entender y recrear estilos de video editing.
Semblanza:
Fabian is a Research Scientist at Adobe Research. He has more than seven years of research experience in video understanding topics. His research interests focus on video understanding to empower video editing workflows. He is also interested in developing general activity recognition systems with machine learning and computer vision. Dr. Caba has been a leading force in organizing and hosting previous editions (2016-2021) of the ActivityNet challenge and the Creative Video Editing and Understanding workshop at ICCV 2021. He has also been a co-organizer of previous editions of the LatinX in Computer Vision (LXCV) workshop at CVPR and ICCV 2021. More details can be found at www.fabiancaba.com
Hiram Eredín Ponce Espinosa
Título: Redes de hidrocarburos artificiales: cómputo inspirado en la química para la automatización inteligente
Reseña:
Los métodos de inteligencia artificial han sido aplicados en diferentes disciplinas donde la incertidumbre, el ruido, las fallas y la imprecisión están presentes. Muchos de estos métodos están inspirados en la naturaleza permitiendo que esta inteligencia computacional sea utilizada en diversas aplicaciones en la ciencia. En esta plática, se presentará una técnica computacional de reciente creación inspirada en los compuestos orgánicos, llamada Redes de Hidrocarburos Artificiales. Además, se presentarán algunas aplicaciones de esta técnica haciendo énfasis en implementaciones realizadas en los campos de la robótica, la salud y la mecatrónica
Semblanza:
El Dr. Hiram Ponce se graduó como ingeniero en mecatrónica en 2008, obtuvo la maestría en ciencias de la ingeniería en 2010 y recibió el grado de doctor en ciencias computacionales en 2013 por parte del Tecnológico de Monterrey. En el campo profesional, ha trabajado como capacitador externo en Continental AG de México en el área de pruebas y calidad; en 2013 cofundó y dirigió Solarium Labs, una startup de soluciones en sistemas inteligentes para las empresas; en 2018 fue consultor externo de proyectos de logística y optimización para Petróleos Mexicanos; entre otros. Su trayectoria como docente e investigador incluye la propuesta y desarrollo de una nueva técnica de inteligencia artificial llamada Redes Orgánicas Artificiales; la publicación de más de 120 artículos en revistas científicas y congresos internacionales, así como 4 libros en el área de inteligencia artificial y robótica. En 2017, recibió el Premio Google a la Investigación. Desde 2014 es profesor-investigador de la Facultad de Ingeniería en la Universidad Panamericana Campus México. En 2020 fue reconocido como Investigador Titular D, nivel de categorización más alto otorgado por la Universidad Panamericana. Desde 2021 es Coordinador del Doctorado en Inteligencia Artificial y recientemente fue nombrado Director de Investigación de la Facultad de Ingeniería de la misma universidad. Actualmente es investigador nivel 1 del Sistema Nacional de Investigadores.
Alicia Morales Reyes
Título: El cómputo evolutivo en la búsqueda de arquitecturas de aprendizaje profundo
Reseña:
En esta plática compartiré dos trabajos de investigación desarrollados en el INAOE en los que mediante técnicas del cómputo evolutivo se explora la construcción de arquitecturas de aprendizaje profundo y su optimización.
Por un lado, analizaré la técnica de programación genética y su cualidades en la construcción de arquitecturas para aprendizaje profundo de forma análoga, es decir, cuál es comparativamente el aporte de la programación genética en el diseño automático de este tipo de modelos y en su caso, si estos pueden alcanzar un desempeño comparable con el de una arquitectura neuronal profunda.
Por otro lado, abordaré el problema de la optimización de redes neuronales profundas desde un planteamiento multiobjetivo considerando como objetivos en conflicto el desempeño del modelo y su complejidad en términos del número de operaciones multiplicaciones-adiciones requeridas. Se exploran los tipos de representación de soluciones para la aplicación directa de operadores de variación asociados a técnicas del cómputo evolutivo multi-objetivo bien establecidas como NSGA-II.
Semblanza:
La Dra. Alicia Morales Reyes obtuvo el grado de Doctora en Filosofía por el Colegio de Ciencias e Ingeniería de la Universidad de Edimburgo en el Reino Unido en 2011. Su investigación doctoral la desarrolló con el grupo de investigación System Level Integration del Nano and Micro Systems Institute de la Facultad de Ingeniería en la Universidad de Edimburgo. En 2006, obtuvo el grado de Maestría en Ciencias en el área de Ciencias Computacionales por el Instituto Nacional de Astrofísica, Óptica y Electrónica en Puebla, México. La Dra. Morales realizó la Licenciatura en Ingeniería Eléctrica y Electrónica en la Facultad de Ingeniería de la Universidad Nacional Autónoma de México en el 2002. Actualmente es Investigadora Titular “B” en la Coordinación de Ciencias Computacionales del Instituto Nacional de Astrofísica, Óptica y Electrónica en donde colabora en el Laboratorio de Cómputo Reconfigurable y de Alto Rendimiento. La Dra. Morales es reconocida desde el 2014 por el Sistema Nacional de Investigadores con el Nivel I. Entre sus intereses en investigación están las técnicas del cómputo evolutivo en particular los esquemas descentralizados de estas, así como el diseño de arquitecturas hardware inspiradas en principios biológicos; todo esto aplicado a distintos contextos como optimización, procesamiento de señales e imágenes, automatización en el diseño de modelos y arquitecturas “suaves”, entre otros.
Erika Vilches
Título: Destellos de Inteligencia Artificial General: Primeras impresiones, capacidades y limitaciones de GPT-4
Reseña:
En esta sesión analizaremos las capacidades y limitaciones de los nuevos modelos de IA a gran escala, como GPT-4, que muestran mejoras drásticas en el razonamiento, la resolución de problemas y las capacidades lingüísticas, creando así una nueva etapa en la Inteligencia Artificial y mostrando los primeros “destellos” de Inteligencia Artificial General. Platicaremos sobre qué significan estos nuevos modelos para nuestra manera de crear, comprender e implementar IA, así como sus aplicaciones en distintas áreas, como la salud, la educación y la industria.
Semblanza:
Erika Vilches es Sr. Data & Applied Scientist en el grupo Cloud + AI en Microsoft Corp (Redmond). Su trabajo se centra en el desarrollo e implementación de soluciones de Big Data para el análisis de los datos de consumo de los productos y servicios que ofrece Microsoft, así como el desarrollo de modelos predictivos para anticipar las necesidades de los clientes. Antes de unirse a Microsoft, Erika obtuvo su Maestría en Inteligencia Artificial, publicó varios trabajos de investigación en artículos y revistas científicas indexadas de IEEE y Springer, y trabajó como Profesora en ITESM CEM e Ibero CDMX. Actualmente, es candidata a Ph.D. en Inteligencia Artificial.
Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (CINVESTAV) unidad Guadalajara
Av. del Bosque 1145
colonia el Bajío, CP 45019
Zapopan , Jalisco, México.