Investigación: Seminario (I+A)A

Por cuarto año consecutivo se pone en marcha el Seminario (I+A)A (Inteligencia Artificial + Aprendizaje Automático) del Dpto. de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Sevilla. Las sesiones de este año serán DÍA POR DETERMINAR, aunque si hubiera cambio de hora o lugar para sesiones puntuales se informará a los participantes por medio de la lista de distribución proporcionada por la US asociada a la actividad:

https://listas.us.es/mailman/listinfo/iaml

El formato del Seminario es el de presentaciones orales por parte de los participantes, con una duración que suele variar entre 30 minutos y 2 horas, en las que se exponen partes del trabajo que están desarrollando, ya sea para Trabajos de Fin de Máster/Grado, proyectos de empresas, o de investigación. Por ello, en caso de que se prevean exposiciones cortas, puede haber más de una exposición en un sesión concreta.

Quizás es deseable recordar aquí en qué términos se habla del concepto de Seminario (Wikipedia):

Un seminario es una junta especializada que tiene naturaleza técnica y académica, y cuyo objetivo es el de llevar a cabo un estudio profundo de determinadas cuestiones o asuntos cuyo tratamiento y desarrollo requiere o se ve favorecido cuando se permite una interactividad importante entre los especialistas y los participantes. [...] 

Se trata de una actividad académica que tuvo su origen en la Universidad de Gotinga (Alemania) a fines del siglo XVIII: la inventaron los universitarios alemanes para sustituir la palabra cátedra y demostrar que es posible unir la investigación y la docencia a fin de que mutuamente se complementen y así poder ayudar a la sociedad con los proyectos a realizar. 

El seminario es un grupo de aprendizaje activo, pues los participantes no reciben la información ya elaborada, como convencionalmente se hace, sino que la buscan por sus propios medios en un ambiente de recíproca colaboración. Es una forma de docencia y de investigación al mismo tiempo. Y se diferencia claramente de la clase magistral, en la cual la actividad se centra en la docencia-aprendizaje.

Aunque en la medida de lo posible se ha intentado dar una ordenación temporal que facilite la comprensión de las exposiciones, dista de ser un curso ordenado de exposición de contenidos, por lo que es aconsejable que los asistentes realicen un trabajo personal adicional preparando algunas partes de fundamentos o profundizando en tópicos tratados de forma ligera (o incluso ignorados) durante las sesiones.

En este sentido, en este enlace puedes ver una bibliografía comentada de material (libros, cursos, etc.) relacionado con el seminario. Si consideras que hay material interesante y que no se encuentra reflejado en esta bibliografía, no dudes en hacérmelo llegar para que vaya actualizándola.

Edición 2018-2019

De nuevo, la temática de este año no tiene porqué estar restringido a Aprendizaje Automático. Sería interesante abarcar el conjunto de áreas/temas con los que se relaciona (como Inteligencia Artificial en general, Ciencia de los Datos, Sistemas Complejos, Teoría de la Información, Lógica, etc.).

Se pueden proponer presentaciones que desarrollen artículos interesantes, capítulos de libros, investigaciones en curso, aplicaciones reales, Trabajos Fin de Grado, Trabajos Fin de Máster, Tesis doctorales, etc., que puedan abrir la puerta a nuevos enfoques o profundizar en terrenos conocidos para mejorar su comprensión (y no tiene porqué ser material propio, siempre y cuando se referencien las fuentes).

Se proporcionan hasta 2h para la exposición con el fin de que se pueda tocar con cierta profundidad el elemento nuclear del tema tratado y, si hiciera falta más, por ejemplo para algo parecido a un taller, se puede dividir en varias sesiones. 

Si alguien quiere proponer un tema, me puede mandar un correo con el título, referencias y breve explicación, así como una posible fecha de exposición, para poder publicar un calendario con las propuestas recibidas.

Al calendario, en continua construcción hasta que acabe el año, se muestra en la siguiente tabla:

Lugar: H1.10 (edificio ETSII)  ||  Hora: 12:30-14:30

26/03	P. Almagro Blanco	Neural Encoders para Aprendizaje Relacional En los últimos años, los avances en aprendizaje automático han dado lugar a mejoras significativas en varios campos de aplicación. Específicamente, el desarrollo de modelos de aprendizaje de la representación ha permitido codificar las estructuras de las que aprender de una manera más óptima en función de diferentes propósitos. Sin embargo, la mayor parte de los esfuerzos se han centrado en el desarrollo de modelos de aprendizaje de la representación para textos, sonidos e imágenes, dejando de lado otras estructuras no menos importantes como los grafos. En esta charla presentaremos algunos modelos de aprendizaje de representación basados en codificadores neuronales que permiten codificar los elementos de un grafo como vectores, permitiendo a los métodos de aprendizaje automático tradicionales trabajar directamente sobre ellos. Además, presentaremos algunas aportaciones que hemos realizado en este campo y analizaremos diferentes líneas de trabajo futuras.
23/05	J.M. Verde	GAN: Generative Adversarial Networks
06/06	A. Díaz-Pinto	ML for Glaucoma Assessment using Fundus Images En esta sesión hablaremos de diferentes algoritmos de aprendizaje automático (machine learning) para la detección de una de las enfermedades que más causa ceguera en el mundo, el glaucoma. En primer lugar, se mostrarán métodos usados para la segmentación automática del nervio óptico usando imágenes de fondo de ojo. Seguidamente, se presentarán sistemas automáticos de evaluación del glaucoma basados en redes neuronales convolucionales (CNNs) usando la técnica de fine-tuning. Finalmente, se mostrará cómo la DCGAN se usa como método semi-supervisado y generador de imágenes sintéticas de fondo de ojo.

Edición 2017-2018

El calendario de presentaciones para el año 2018 se muestra en la siguiente tabla:

Lugar: Aula A0.12 (edificio ETSII)  ||  Hora: 12:30-14:30

13/04	G. Muñoz D. Suárez	(Deep) Reinforcement Learning
27/04	MA. Martínez	DL en la clasificación de vídeos para cine digital
04/05	H. Rubio	DL en el reconocimiento de escritura manual
11/05	S. Jiménez	XML: Aprendizaje Automático Explicable
18/05	MA. Gutiérrez	GRU: Gated Recurrent Units (LSTM)
25/05	J. de Miguel	Autocodificadores Variacionales y Diseño Generativo
01/06	J. Galán	Nuevos paradigmas de datos - Big Data. ¿Qué? ¿Cuándo? ¿Cómo?
15/06	DH. Cámpora	Millones de círculos por segundo - RICH@CERN
15/06	MA. Gutiérrez	Ética para la Inteligencia Artificial
22/06	J. Giráldez	ML aplicado a problemas de decisión/optimización

Edición 2016-2017

Las sesiones correspondientes al seminario del año 2017 fueron:

06/03		Planificación del Seminario
13/03	F. Sancho	Fundamentos Matemáticos del Aprendizaje
20/03	JC.Macancela D. Cabrera	Redes Neuronales Recurrentes Echo State Networks + Variational AutoEncoder
27/03	P. Lucero	Reducción de Dimensionalidad
03/04	MA. Gutiérrez P. Almagro	ID3 Arboles de Decisión para Redes Multi-relacionales(Supl.)
17/04	F. Sancho	Métodos de Remuestreo (y algo más) en ML
24/04	JL. Ruiz	Clasificadores Lineales
08/05	D. Solis	SciKit Learn
15/05	J. Galán	Big Data
29/05	P. Álamo	Tensorflow I
05/'06	P. Álamo	Tensorflow II
12/06	D. Corzo DH. Cámpora	Diferenciación Automática ML meets HPC meets CERN. Problemas abiertos
19/06	D. Solis H. Rubio & S. Jiménez	Competición Kaggle Problemas OS

Edición 2015-2016

Las sesiones correspondientes al seminario del año 2016 fueron:

12/02		Planificación del Seminario
19/02	JL. Ruiz	Redes Bayesianas
26/02	F. Sancho	Fundamentos de Machine Learning
04/03	JL. Ruiz	Métodos Básicos de ML
11/03	P. Almagro	Redes Neuronales Clásicas (suplemento)
18/03	D. Cabrera	Redes Neuronales Convolucionales
30/03	D. Cabrera	Introducción a ROS con Deep Learning Robot
06/05	G. Muñoz	Deep Learning con TensorFlow (Código)
13/05	P. Almagro	Autocodificadores Neuronales: Word2Vec (Código)
20/05	JM. Camacho	Máquinas de Soporte Vectorial (Código)
03/06	D. Corzo	Lasagne y Theano (Código)
17/06	J. de la Rosa	ML aplicado a problemas de Humanidades