A xornada sobre Machine Learning do CESGA abranguerá máis de dúas ducias de relatorios
venres, 14 de outubro do 2016
O vindeiro 27 de outubro,
na sede do CESGA (Centro de Supercomputación de Galicia) en horario
de 10.00 a 18.00 horas, vaise celebrar unha xornada de traballo para
amosar o máis avanzado da nosa terra en materia de tecnoloxías
intelixentes: ou sexa, sistemas con capacidade de aprender de maneira
automática (identificando patróns complexos en millóns de datos
por medio de algoritmos específicos). Falamos do Machine Learning
Workhop Galicia 2016, unha
cita que xa avanzamos os días pasados dende Código Cero pero
que agora
vén de amosar o seu programa completo. Este abranguerá catro
sesións con media ducia de relatorios por sesión. Tocaranse un
amplo abano de temas: dende as posibilidades das tecnoloxías smart
para o ámbito enerxético até a súa aplicación no eido das
emocións e dos sentimentos, pasando polo seu importante potencial
para a Rede (por exemplo nos sistemas de recomendación).
O obxectivo da xornada,
en palabras da organización, “é presentar os proxectos e
resultados do emprego de tecnoloxías Machine Learning nas
universidades, nos centros de investigación, nos centros
tecnolóxicos e nas empresas de Galicia, tanto a nivel de uso como de
desenvolvemento específico de novos algoritmos”.
Outra das finalidades é
identificar as posibilidades destas tecnoloxías nos sectores
referenciais en Galicia, amais das necesidades de infraestruturas e
as posíbeis sinerxías.
O comité científico do
obradoiro está integrado por Ricardo Cao (CITIC-UDC), Milagros
Fernández Gavilanes (AtlantTIC, UVigo), David Mera Pérez
(CITIUS-USC) e Andrés Gómez Tato (CESGA). O comité organizador
está formado por Andrés Gómez (CESGA), Juan Touriño (UDC),
Fernando Bouzas (CESGA), Raquel García (CESGA), Javier Cacheiro
López (CESGA) e José Carlos Mouriño (CESGA). Contarase coa
colaboración da Rede Galega de Tecnoloxías Cloud e Big Data para
HPCn R2014/041 e Torusware.
A continuación damos
conta do programa.
10:00h. Apertura
10:10h. Sesión 1
Modera: Andrés Gómez
Tato
Nonparametric
Inference for big-but-biased data
Ricardo Cao e Laura
Borrajo.
Machine Learning
Escalable con Spark ML na plataforma BD|CESGA
Javier Lopez Cacheiro.
Aplicacións do
control estatístico da calidade na eficiencia enerxética
Javier Tarrío Saavedra,
Salvador Naya, Sonia Zaragoza, Miguel Flores, Manuel FebreroBande e
Manuel Oviedo.
OTEA, o sistema
experto que xestiona a distancia instalacións
Nerea Vilela Barreira,
Anxo David Feijóo Lorenzo e Pedro Pérez Gabriel.
Chequeando
homoxeneidade de dúas mostras: proposta e aplicacións
Pablo Montero-Manso and
Jose Vilar
Predición puntual
e intervalos de predición en demanda e prezo da electricidade
Paula Raña, Juan Vilar e
Germán Aneiros
Recommender
Systems: machine learning vs. theoretical approaches
Paula Saavedra, Pablo
Barreiro, Roi Durán, Ameed Almomani, Rosa Crujeiras, Maria Loureiro
e Eduardo Sánchez Vila.
11:40h. Pausa Café
12:10h. Sesión 2
Modera: David Mera Pérez
Distributed
Embodied Evolution for Real-Time Optimization of Dynamic Engineering
Problems
Abraham Prieto, Francisco
Bellas, Pedro Trueba e Richard Duro.
Sistema
automatizado para a limpeza con láser de superficies non planas
Alberto Ramil, Javier
Lamas e Ana J. López.
Aplicación de
Apache Spark e librería MLlib para o deseño de sistemas de
recomendación
Enrique Costa-Montenegro,
Alexander Tsybanev, Héctor Cerezo-Costas, Francisco Javier
González-Castaño, Felipe Gil-Castiñeira, Belén Barragáns-Martínez
e Diego Almuiña-Troncoso
S-FRULER:
aprendizaxe automático escalábel de regras de predición en Big
Data
Ismael Rodríguez-Fdez,
Manuel Mucientes e Alberto Bugarín.
Using Neural
Networks for Discriminative Feature Localization
Javier Sánchez Rois e
Daniel González Jiménez.
Sistemas NLP para a
análise de sentimento e deteción de aspectos baseados en Machine
Learning
Milagros
Fernández-Gavilanes, Jonathan Juncal-Martínez, Tamara
Álvarez-López, Silvia García-Méndez, Enrique Costa-Montenegro e
Francisco Javier González-Castaño
13:30h. Pausa Comida
14:30h. Sesión 3
Modera: Milagros
Fernández Gavilanes
Clasificación de
Imaxes Hiperespectrais baseada en Kernel ELM sobre GPU
Alberto S. Garea, Dora
Blanco Heras e Francisco Argüello
Finis Terrae II
como plataforma de Machine Learning
Andrés Gomez Tato, José
Carlos Mouriño Gallego e Aurelio Rodríguez.
Deep Learning para
a detección de obxectos en imaxes
Brais Bosquet, Manuel
Mucientes e Victor Brea
Aplicación de
técnicas de selección de características para a mellora dos
sistemas automáticos
David Mera, Verónica
Bolon-Canedo, Jose Manuel Cotos e Amparo Alonso-Betanzos
Retos na
Abstracción Semántica de Frases con Deep Learning
Héctor Cerezo-Costas
Robots que aprenden
de ti e coma ti. Aplicación en robots guía
Roberto Iglesias
Rodríguez, Carlos Vázquez Regueiro, Xosé Manuel Parlo López e
Miguel A. Rodríguez González.
15:50h. Sesión 4
Modera: Ricardo Cao
Predición de augas
turbias nun río con redes neuronais artificiais: aplicación ao río
Nalón
Carla Iglesias, Javier
Martínez Torres e Javier Taboada Castro
BiGuardian: Sistema
de detección proactiva e predictiva de ameazas de ciberseguridade
Diego Fustes Villadóniga,
Eduardo San Miguel Martín e Juan Ramón González Hernández
Plataformas Big
Data Eficientes e Escalábeis para Machine Learning
Guillermo L. Taboada
Desenvolvemento dun
clasificador de placas de lousa baseado en técnicas de visión
artificial e Machine Learning
Javier Martínez, Carla
Iglesias e Javier Taboada.
Detección de
defectos en liña baseada en Machine Learning
Jorge Rodríguez-Araújo
e Antón García-Díaz
Machine learning
for the management of agricultural soil data
M.S. Sirsat e M.
Fernández Delgado.
17:10h. E agora que?
Debate / Conclusións/
Seguintes accións.
Moderan: Ricardo Cao,
Milagros Fernández Gavilanes, David Mera Pérez e Andrés Gómez
Tato
17:50h. Peche Workshop
A importancia do
Machine Learning
Segundo lembra o CESGA
acerca da importancia futura da temática a tratar no obradoiro, as
tecnoloxías asociadas á aprendizaxe das máquinas (ou Machine
Learning -ML-) utilízanse cada vez máis en investigación,
xeración de servizos da Sociedade da Información (coma en servizos
de recomendación, clasificadores, etc.) ou na xestión dos sistemas
de produción (detección de anomalías, predición de fallos,
sistemas de control, etc.). Ademais, engade o centro galego, a
dispoñibilidade de contornas de computación cada vez máis potentes
ou a mellora nos algoritmos, entre outros avances innovadores (por
exemplo o acceso a máis datos e con menor custe), transformaron
estas tecnoloxías en “referentes en calquera eido do coñecemento”.