|
|
|
Cómputo Científico y Técnico: software y hardware especializado
|
|
|
|
|
MultiON y la Universidad Nacional Autónoma de México
invitan al evento exclusivo y sin costo para la comunidad PUMA e instituciones afiliadas:
|
|
|
|
|
|
|
|
|
|
Loren Shure
MathWorks
Loren Shure, ha sido por más de 30 años, una de las principales desarrolladoras de MATLAB. Durante los primeros 27 años de Loren en MathWorks fue coautora de varios productos además de agregar funcionalidades al núcleo de MATLAB, incluidas contribuciones al diseño del lenguaje. Actualmente forma parte del equipo de Ingeniería de Aplicación, lo que le permite pasar más tiempo con los usuarios.
Loren se graduó del MIT con un B.Sc. en Física y tiene un doctorado. en geofísica marina de la University of California, San Diego, Scripps Institution of Oceanography. Además, es miembro Senior de la IEEE, coautora de varias patentes y escribe sobre MATLAB en su blog: El arte de MATLAB.
|
|
|
|
|
Desmitificando el Deep Learning: un enfoque práctico con MATLAB - en inglés.
|
|
El Deep Learning, un componente principal dentro de la revolución de la Inteligencia Artificial, puede alcanzar altas precisiones en muchas tareas perceptivas y cognitivas, por ejemplo el nombrar objetos o el reconocimiento óptimo del camino en algún entorno.
Esto involucra reunir grandes cantidades de datos, crear una red neuronal y entrenarla, visualiza y evaluar diferentes modelos haciendo uso de hardware especializado (que a menudo requiere conocimientos específicos de programación). Estas tareas son frecuentemente desafiantes debido a la complejidad de la teoría que se encuentra detrás de ellas.
En este seminario demostraremos las nuevas características de MATLAB para simplificar estas tareas y eliminar la programación de bajo nivel. Construiremos y entrenaremos una red neuronal que reconozca la escritura a mano, categorice diferentes tipos de comida, clasifique distintas señales y realice el control de máquinas.
|
|
Algunos de los temas que veremos serán:
• Manejo de grandes cantidades de datos (imágenes, señales, texto, etc.).
• Crear, analizar y visualizar redes, ganancias de percepción dentro de la naturaleza de los modelos de caja negra del Deep Learning.
• Construcción o edición de modelos de redes neuronales arrastrando y soltando elementos en la interfaz.
• Clasificación, regresión y segmentación semántica de imágenes o señales.
• Aplicar Reinforcement Learning con una red profunda Q (Deep Q Network DQN).
• Transferencia de aprendizaje utilizando modelos pre-entrenados (por ejemplo: GoogLeNet y ResNet).
• Importación de modelos desde Keras- TensorFlow, Caffe y formatos ONNX.
|
|
|
|
|
|
|
Facultad de Ingeniería - U.N.A.M.
|
|
|
|
|
|
|
Jueves 6 de febrero de 2020 |
|
|
|
|
Auditorio "Sotero Prieto" |
|
De 13:30 a 15:30 hrs. |
|
|
|
|
|
|
|
|
|
|
Agende la fecha y aproveche el conocimiento y experiencia de Loren Shure, toda una autoridad de MATLAB.
|
|
|
|
|
|
|
|
|
|
MultiON Consulting S.A. de C.V.
Cómputo Científico y Técnico: software y hardware especializado
info@multion.com | +52 (55) 5559 4050
|
|
|
|