Denise Magdalena Alonso Vázquez
Juan David Chailloux Peguero
Javier M. Antelis

Título: Interfaz cerebro-computador para el control de una ortesis robótica de mano

Descripción:
En este taller se realizará un experimento con una interfaz cerebro-computador basada en el protocolo de potenciales evocados P300 para el control de una ortesis robótica de mano. Uno de los asistentes al taller será el usuario de la interfaz. La primera parte del experimento consistirá en registrar señales electroencefalográficas para entrenar y ajustar los algoritmos de machine learning. En la segunda parte del experimento el usuario realizará el control de la ortesis robótica de mano usando la interfaz, en particular, podrá realizar movimientos de cada dedo o de todos los dedos de la mano. Este experimento mostrara los principios de funcionamiento de una interfaz cerebro computador y el rol fundamental de los modelos de aprendizaje automático para el funcionamiento de estas tecnologías.

Dra. Alicia Morales Reyes

Título: Algoritmos Evolutivos Paralelos: Descentralizando poblaciones para mejorar su desempeño algorítmico

Descripción:
Los algoritmos evolutivos se rigen por el principio de selección natural de la teoría de la evolución propuesta por Charles Darwin y buscan dar solución a problemas de optimización complejos, automatizar la generación de modelos en tareas, por ejemplo de aprendizaje máquina o bien coadyuvar en procesos de simulación en distintos contextos de aplicación. Usualmente los algoritmos evolutivos trabajan con un conjunto de soluciones (población) que interactúan entre sí sin restricciones, es decir, cualquier solución puede ser seleccionada para reproducirse con cualquier otra solución. En el medio biológico, esta forma de interacción se conoce como una población en panmixia. Descentralizar a la población y acotar la interacción de los individuos bajo esquemas distribuidos (grano grueso) o celulares (grano fino) modifica el proceso de búsqueda habilitando otros mecanismos para un mejor desempeño algorítmico. En este tutorial se abundará sobre los algoritmos evolutivos y algunos de sus esquemas paralelos, se mostrarán resultados de los desempeños que éstos logran en la solución de problemas de optimización mono-objetivo y multi-objetivo. Se revisarán algunos ejercicios de codificación en la herramienta Matlab.

Jorge Miramontes
Juan Alberto Amézquita
Juan Roberto Hernández

Título: Desarrollo ético de proyectos de Inteligencia Artificial y Gobernanza de Datos: una introducción a la ética en la IA

Descripción:
Este taller de ética y gobernanza de datos para proyectos de inteligencia artificial, dirigido a los miembros de la Sociedad Mexicana de IA, es una oportunidad para profundizar en los aspectos éticos y de gobernanza de los proyectos de IA, considerando su creciente importancia en el mundo actual.

En el taller, los participantes podrán explorar los principios éticos y de gobernanza de datos fundamentales que deben ser considerados en la implementación de proyectos de IA, como la transparencia, la equidad, la privacidad, la seguridad y la calidad de los datos. Además, se examinarán las normas y estándares relevantes para la ética y la gobernanza de datos, tanto en el contexto mexicano como a nivel internacional.

El taller también incluirá discusiones sobre los desafíos éticos y de gobernanza de datos en proyectos de IA y la forma en que estos deben ser abordados para garantizar la responsabilidad y la transparencia en los proyectos. Se presentarán casos de estudio de proyectos de IA en México y en otros países, permitiendo a los participantes aplicar los conocimientos adquiridos en el taller en un contexto práctico.

Además, los participantes tendrán la oportunidad de reflexionar sobre el papel de los miembros de la Sociedad Mexicana de Inteligencia Artificial en la promoción de la ética y la gobernanza de datos en los proyectos de IA, y cómo pueden contribuir a la construcción de una cultura del uso ético y responsable de la IA.

MSc. Iván Reyes-Amezcua
MSc. Jorge González-Zapata
Dr. Gerardo Rodríguez-Hernández
Dr. Gilberto Ochoa

Título: Patrones de Diseño y MLOps

Descripción:
●Introducción al machine learning y MLOps: Qué son, por qué son importantes y cuáles son sus beneficios y desafíos.
○ https://arxiv.org/abs/2108.02497
● Recopilación y preparación de datos: Cómo recopilar, limpiar, transformar y normalizar los datos para entrenar los modelos de machine learning.
○ Balanceo de datos
○ Ensambles y casacadas
● Selección y entrenamiento de modelos: Cómo elegir y entrenar diferentes tipos de modelos de machine learning.
○ Data Splitting: Train, Test, Validation
● Evaluación y ajuste de modelos: Cómo evaluar el rendimiento de los modelos, evitar el sobreajuste y optimizar los hiperparámetros.
○ Checkpoints
○ Transfer Learning
○ Tuneo de hyperparámetros
■ https://github.com/google-research/tuning_playbook ● Registro, empaquetado e implementación de modelos: Cómo registrar, empaquetar e implementar los modelos desde cualquier lugar, utilizando herramientas como Git, Docker y Azure, AWS, GCP.
○ Batch y streaming serving
● Seguimiento y monitorización de modelos: Cómo capturar el linaje de los modelos, supervisar su comportamiento en producción y detectar anomalías o desviaciones.
○ Evaluación Continua de Modelos
○ Versionamiento de Modelos
● Automatización del ciclo de vida de machine learning: Cómo utilizar canalizaciones de ML y pipelines para automatizar todo el proceso de desarrollo e implementación de los modelos.
○ MLFlow
○ DagsHub

Dr. Juan Villegas Cortez
UAM Azcapotzalco

Título: Redacción de documentos científicos: el artículo

Descripción:
En este tutorial se proporcionará a los asistentes los aspectos básicos e intermedios acerca de la importancia y método de redacción de un artículo como texto científico, en el contexto de la comunicación y preservación del conocimiento, así como instrumento para reafirmar el aprendizaje como herramienta de transferencia de información científica.