Os nosos centros tecnolóxicos e de investigación presentan este xoves no CESGA os seus avances en tecnoloxías intelixentes
mércores, 26 de outubro do 2016
Os nosos centros tecnolóxicos e de investigación
van participar arreo na primeira edición do obradoiro de
intelixencia artificial Machine
Learning Workshop Galicia 2016, unha xornada de traballo
organizada polo Centro de
Supercomputación de Galicia (CESGA) en
colaboración coa Rede
Galega de Tecnoloxías Cloud e Big Data para HPC e coa firma Torus Software Solutions. O encontro, que se desenvolve este xoves 27 de outubro entre
as 10:00 e as 18:00 horas (na propia sede do CESGA en Santiago),
servirá de presentación ás máis recentes achegas que se teñen
producido en Galicia no eido das tecnoloxías intelixentes e os
sistemas de aprendizaxe automática. Participarán, fornecendo
relatorios e presentacións de proxectos, o
Centro Tecnolóxico Gradiant, o Centro
Singular de Investigación en Tecnoloxías da Información (CiTIUS),
o Centro de Investigación TIC da
Coruña (CITIC), o centro
AtlantTIC e o propio CESGA.
Ao longo deste workshop, investigadores
dos devanditos centros galegos amosarán distintos proxectos
desenvolvidos en diversas áreas de traballo. O programa 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.
Os sistemas Machine
Learning
Como dixemos,
Machine Learning
Workshop Galicia 2016 nace co obxectivo de presentar os
proxectos e resultados derivados do emprego das tecnoloxías
Machine Learning (ML) nas universidades, centros de
investigación, centros tecnolóxicos e empresas de Galicia, tanto no
que se refire ao seu uso como a nivel de desenvolvemento específico
de novos algoritmos. Segundo lembran o CESGA e os restantes centros
de I+D implicados na xornada, as tecnoloxías asociadas á
aprendizaxe máquina empréganse cada vez máis en eidos como a
investigación ou a xeración de servizos vinculados á Sociedade da
Información (servizos de recomendación, clasificadores, etc.), así
como na xestión dos sistemas de produción (detección de anomalías,
predición de erros, sistemas de control, etc.).
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