Compartir

En esta masterclass, Asier Gutiérrez, investigador en el departamento de Life Sciences [ciencias de la salud] del BSC-CNS, invitará al público a conocer los últimos avances de la Topología Algebraica aplicada a las Redes Neuronales.

Un público amplio no entrará en fundamentos matemáticos complejos, tecnicismos ni referencias a artículos que puedan resultar difíciles de entender. Así, se centrará en explicar los avances en las áreas referidas y el marco de posibilidades de las mismas desde un punto de vista práctico y cercano a los oyentes.

Dirigida a:

  1. Profesionales que trabajen en el ámbito de la Inteligencia Artificial (más concretamente en Deep Learning) que quieran conocer herramientas para aplicar en el día a día
  2. Personal investigador en Inteligencia Artificial que quiera profundizar en el entendimiento y la comprensión de cómo aprenden las redes de Deep Learning
  3. Público general, periodistas y divulgadores científicos interesados en novedades clave del Deep Learning.

Programa

Parte 1: Breve introducción a la Homología Persistente.
Parte 2: Modelización de Redes Neuronales.
Parte 3: Comparabilidad de arquitecturas.
Parte 4: Caracterización del aprendizaje.
Parte 5: Retos actuales de la Homología Persistente y su aplicación en las Redes Neuronales.
Parte 6: Casos de uso de la Homología Persistente.
Parte 7: Librerías.

Clase magistral impartida por BSC (core partner de CIDAI)

Topologia i xarxes neuronals BSC
[descargas tipo="masterclass"]

Impartido por:

Asier Gutiérrez Fandiño
Research Engineer en Text Mining en BSC-CNS
CIDAI