Data: 23 de novembre de 2017
Hora: 17.30 hores
Acte: Jornada
Títol: «Poden les màquines pensar?. Introducció a Machine Learning i Deep Learning»
Lloc: Saló d'actes de l'Escola de Doctorat, Consell Social i Centre de Postgrau
Entitat: decharlas.com amb el patrocini de Cuatroochenta
Més informació: http://decharlas.uji.es/
Aquest esdeveniment és gratuït, però per a poder fer una previsió adequada et demanem que t'inscrigues en la següent adreça
Resum:
Machine Learning i casos d'ús
L'aprenentatge automàtic (ML o Machine Learning, en anglès) és la branca de la Intel·ligència Artificial que té com a objectiu desenvolupar tècniques que permeten a les computadores aprendre. En els últims anys hem patit una explosió de l'aplicació d'aquestes tècniques, fins i tot en actes tan quotidians com anar a un caixer o cridar a un taxi. En aquesta presentació es pretén posar de manifest aquest impacte mitjançant diversos casos d'ús aplicats a diferents sectors de la societat, incloent a més exemples reals d'èxit que hem tingut en la nostra empresa Solver Machine Learning.
Jordi Mansanet va estudiar Enginyeria de Telecomunicacions en la Universitat Politècnica de València (UPV). Va continuar els seus estudi realitzant el màster d'Intel·ligència Artificial, Reconeixement de Formes i Imatge Digital (IARFID), i seguidament va realitzar la seua tesi doctoral basada en tècniques de Deep Learning també en la UPV. La seua carrera professional va començar en Facephi Biometria, una empresa dedicada al reconeixement facial. Actualment és Enginyer Cap de Solver Machine Learning, una spin-off de la UPV centrada en l'ús del Machine Learning com a solució tecnològica aplicada a diferents sectors.
Deep Learning: Una introducció pràctica
En els últims anys, i especialment en l'últim lustre, el Deep Learning s'ha convertit en una eina fonamental en el món de la intel·ligència artificial. En aquesta xarrada aprendrem les bases sobre les quals es desenvolupen els algorismes de Deep Learning, els seus inicis, des del perceptró a les actuals xarxes profundes, algunes de les seues aplicacions, i alguns exemples pràctics sobre com implementar les nostres pròpies arquitectures de Deep Learning amb entorns com Tensorflow o Pytorch.
Emilio Sansano és enginyer industrial UPV i graduat en enginyeria informàtica per la UNED. Actualment treballa com a investigador en el grup GIANT (Research Group on Machine Learning for Smart Environments) de la Universitat Jaume I, i com a professor associat en el Departament d'Enginyeria de Sistemes Industrials i Disseny (DESID) de l’UJI. El seu treball com a investigador abasta el desenvolupament i ús d'algorismes de Machine Learning i Deep Learning per a reconeixement d'activitats humanes i posicionament en interiors. Emilio combina el seu treball en la universitat amb la formació, com a professor del cicle formatiu superior en Desenvolupament d'Aplicacions Multiplataforma.