Sesión Especial de Aplicaciones de Aprendizaje de Máquina y Reconocimiento de Patrones (MLPRA)Registrate

  Presentación de Articulos

Cuando el Aprendizaje de Máquina es combinado con el análisis de datos puede tener un gran impacto en el mundo a través de interesantes aplicaciones. Desde que este enfoque se ejecuta a escala de máquina para el tratamiento de información, puede extraer fácilmente patrones valiosos a partir de información poco estructurada, ahora con formas menos dependiente de la intervención humana. También, además, a diferencia de los métodos tradicionales, el Aprendizaje de Máquina actualmente trata con grandes volúmenes de información, lo cual significa que con mayor cantidad de información sea alimentado un sistema de aprendizaje de máquina, este aprenderá mucho mejor, y los resultados otorgados serán mejores.

Durante los pasados tres años, el Grupo de Reconocimiento de Patrones e Inteligencia Artificial Aplicada de la PUCP (GRPIAA-PUCP) lidera la investigación y difusión de aplicaciones de Aprendizaje de Máquina en el Perú, desarrollando diversos proyectos de investigación y organizando eventos y conferencias sobre el tema. Así, en los años 2014 y 2015 fueron organizados el primero y segundo WRPIAA, el 2016 fue organizado con gran éxito la XXI CIARP. Este año, siguiendo esta serie de eventos, el GRPIAA-PUCP está a cargo de la Sesión Especial de Aplicaciones de Aprendizaje de Máquina y Reconocimiento de Patrones, dentro de la Conferencia SIMBig 2017.

Todos los investigadores en el área de Aprendizaje de Máquina están fuertemente invitados a presentar sus contribuciones a la conferencia mediante el envio de los resultados de sus investigaciones y aplicaciones. También, estan cordialmente invitadas aquellas contribuciones de investigación de alta calidad, describiendo resultados originales y no publicados sobre trabajos conceptuales, constructivos, empíricos, experimentales o teóricos en todas las áreas del Aprendizaje de Máquina.

 

  Tópicos de Interés

La conferencia solicita contribuciones que se orienten, pero se limitan, a los siguientes tópicos:
- Aprendizaje Profundo
- Aprendizaje inteligente
- Aprendizaje supervisado, no supervisado y por refuerzos
- Máquinas de vectores de soporte y métodos de kernel
- Descubrimiento de causalidad
- Análisis de stream data
- Análisis y entendimiento de texto
- Análisis de video, imágen y señales
- Procesamiento y minería de datos genómicos
- Aplicaciones en física, biología, medicina y finanzas.

 

  Directivas para el envío de articulos

Authors are invited to submit original and unpublished papers of research and applications for this track. Full papers should be between 5 to 10 pages (including references and figures). Papers should be written in English and submissions must be in PDF format following the instructions in Latex templates (ACL templates) available here:

Latex Microsoft Word

 

Organizadores

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

   Comité de Programa

Jorge Guevara , IBM, Brazil

Isvani Frías Blanco , Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, Brazil

Bruno Travencolo , Federal University of Uberlândia, Brazil

Omar U. Florez , INTEL, USA

Marco Alvarez , University of Rhode Island, USA

Soledad Espezua , Pontifical Catholic University of Perú, Peru

Arturo Oncevay , Pontifical Catholic University of Perú, Peru

César Olivares , Pontifical Catholic University of Perú, Peru

Alvaro Talavera , University of Pacific, Peru

Juan Lazo , University of Pacific, Peru

Yvan Tupac , Catholic University San Pablo, Peru