Curso: Inteligencia Artificial y Deep Learning [19-20/Dic, UCSP Arequipa]

[Alex J. Cuadros Vargas]

Hola a todos,

Los invitamos a participar de este curso. La entrada es libre.

Saludos,

––

–

Alex Cuadros Vargas

, PhD

Head 

–

 

Department of Computer Science 

San Pablo Catholic University 

| Arequipa 

– Perú

 

Inteligencia Artificial y Deep Learning

Curso que está orientado en mostrar las últimas tendencias en aprender a entender texto usando técnicas de inteligencia artificial llamada Deep Learning o Aprendizaje Profundo. El curso contiene una curva gradual de aprendizaje, explicando los fundamentos de la inteligencia artificial y la diferencia con Machine Learning y Ciencia de Datos, para luego explicar los algoritmos, y toma como trabajo final la predicción de emociones en texto, haciendo hincapié en las mejores prácticas que se utilizan en la industria del Silicon Valley para implementar estos modelos en código.

 

Dirigido a: Alumnos de pregrado y posgrado, y público en general, que quieran ver los detalles de implementación y consejos desde la industria y laboratorios de investigación.

Código del curso: https://github.com/omar-florez/learning_emotions_with_emojis/

 

Lugar y fecha:

Aula D01,       Miercoles        de 10h a 12h y 15h a 18h

Aula D101,     Jueves de 10h a 12h y 15h a 18h

UCSP – Campus San Lazaro

 

Expositor:

Dr. Omar Flores

Capital One Research, Silicon Valley, San Francisco, California

Gerente de Investigación Senior en Inteligencia Artificial

 

Short CV:

Doing state-of-the-art research on enabling natural conversations between humans and devices. Implementing meta-learning and memory augmented recurrent neural networks to learn with small data, as we humans do, and deal with catastrophic forgetting.

Formerly, I was a Machine Learning Research Scientist at Intel Labs (California). Focused on teaching computers to understand user context in images (visual questioning answering), audio (prediction of acoustic events), and text (image captioning, dialog systems). I use Deep Learning for accurate predictions and Bayesian models for discovering interpretable hypotheses.

IBM Research granted me the Innovation Award on Scalable Data Analytics in 2010, which funded my PhD thesis "Real-time learning of rules and prediction of dangerous scenes on traffic surveillance videos". On the news: http://goo.gl/9ptn4U

I contributed to the Yahoo's Pig Latin open source project to include metadata (aspect oriented features like privacy, reliability, and time) into the FILTER, JOIN, GROUP, and UNION transformations of the execution engine. Pig Latin is a cloud computing language for massive data analysis based on Hadoop.

Specialties: 
– Deep Learning
– Statistical Machine Learning 
– Recommendation Algorithms
– Multimedia Information Retrieval
– Image Processing/Computer Vision
– Timeseries Analysis

 

 

Contenido del curso:

◦      Introducción a la Inteligencia Artificial

▪      ¿Qué es la Inteligencia Artificial (IA), Machine Learning y Deep Learning?

▪      Objetivo del curso

▪      Proyecto práctico: La computación afectiva (affective computing)

◦      Conceptos básicos

▪      ¿Qué es una neurona?

▪      ¿Qué es una red neuronal?

▪      Función softmax(z)

▪      ¿Cómo aprende una red neuronal?

▪      Navegando la superficie de error con gradientes

◦      Algoritmos de Deep Learning y Redes Neuronales

▪      Modelo #1: Logistic Classifier

▪      Sesión interactiva: Implementación de Logistic Classifier valores de entrada

▪      Sesión interactiva: Implementación de Logistic Classifier arquitectura

▪      Modelo #2:  Multi Layer Perceptron (MLP)

▪      Sesión interactiva: Implementación de MLP ingresando datos

▪      Sesión interactiva: Implementación de MLP a nivel de arquitectura

▪      Modelo #3: Long-Short Term Memory (LSTM)

▪      Sesión interactiva: Implementación de LSTM definiendo entradas

▪      Sesión interactiva: Implementación de LSTM arquitectura y optimización

◦      Evaluando un modelo

▪      Precisión, Accuracy, Recall, y F1 Confussion Matrix

◦      Conclusiones del curso

▪      A gran poder, gran responsabilidad: Ética e Inteligencia Artificial

 

·       Diseñar una estrategia en Data Science (Ciencia de Datos) para la maestría en Computación de la Universidad Católica San Pablo que pueda ser compatible con empresas en Peru como InterCorp

1.     Discusión de los cursos de la carrera para generar conocimiento aplicable en la industria

2.     Identificar universidades e institutos que son competencia a nivel nacional y reconocer sus fortalezas y debilidades

3.     Definición de problemas de investigación que faciliten interacción entre universidades y empresas

4.     Definir un plan de interacción con empresas en Peru y el Silicon Valley (USA)