Compartir

En aquesta masterclass, Asier Gutiérrez, investigador en el departament de Life Sciences [ciències de la salut] del BSC-CNS, convidarà al públic a conèixer els últims avanços de la Topologia Algebraica aplicada a les Xarxes Neuronals.

Un públic ampli, no entrarà en fonaments matemàtics complexos, tecnicismes ni referències a articles que puguin resultar difícils d’entendre. Així, se centrarà a explicar els avanços en les àrees referides i el marc de possibilitats de les mateixes des d’un punt de vista pràctic i pròxim als oients.

Adreçada a:

  1. Professionals que treballen en l’àmbit de la intel·ligència artificial (més concretament en Deep Learning) que vulguin conèixer eines per a aplicar en el dia a dia.
  2. Personal investigador en intel·ligència artificial que vulguin aprofundir en l’enteniment i comprensió de com aprenen les xarxes de Deep Learning
  3. Públic general, periodistes i divulgadors científics interessats en novetats clau del Deep Learning.

Programa

Part 1: Breu introducció a l’Homologia Persistent.
Part 2: Modelització de Xarxes Neuronals.
Part 3: Comparabilitat d’arquitectures.
Part 4: Caracterització de l’aprenentatge.
Part 5: Reptes actuals de l’Homologia Persistent i la seva aplicació a les Xarxes Neuronals.
Part 6: Casos d’usos de l’Homologia Persistent.
Part 7: Llibreries.

Classe magistral impartida per BSC (core partner de CIDAI)

Impartit per:

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