Pronóstico de series de tiempo no lineales y clasificación de imágenes usando técnicas de Deep Learning

Contenidos del taller

• Introducción a la Inteligencia Artificial y Redes neuronales
  Motivación y estado del arte de la Inteligencia Artificial, definición y diferencias entre Inteligencia Artificial, Machine Learning y Deep Learning.
• Arquitecturas de redes neuronales
  Redes Neuronales y Deep Learning , definición de su arquitectura parámetros y principales algoritmos (redes neuronales recurrentes y convolucionales).
• Transfer Learning
  Exploración del Transfer Learning: Ejemplo de los principales algoritmos utilizados en la actualidad y cómo sacar provecho de estos modelos.

Implementación de un modelo de Deep Learning con Python
Una aplicación para el pronóstico de series no lineales en ciencias atmosféricas, utilizando una red neuronal profunda para combatir la contaminación atmosférica.

Expositor: Camilo Menares

Camilo Menares es científico de datos en (CR)2 y profesor experto en computación de alto rendimiento e Inteligencia Artificial en la Universidad de Chile. Licenciado en Física  y Magíster en Ciencias Atmosféricas de la Universidad de Chile. Sus investigaciones se centran principalmente en técnicas de Deep Learning aplicadas a la predicción de series altamente no lineales y no estacionarias, así como en la modelización atmosférica y de aerosoles secundarios.

 

A este evento asistieron 19 participantes.

Puedes ver el registro de la sesión en el siguiente vídeo: