El viernes 18 de mayo, tendrá lugar en la Escuela Politécnica Superior de la UAM de 16:00 a 17:30 horas, el seminario “An introduction to Deep Learning” (“Introducción al aprendizaje profundo”) impartido por Álvaro Barbero Jiménez, líder técnico en Ingeniería Algorítmica en el IIC y colaborador del grupo de Aprendizaje Automático de la UAM.
En estos últimos años, el concepto de las arquitecturas profundas ha despertado un creciente interés dentro de la comunidad de la inteligencia artificial y el aprendizaje automático. Estas arquitecturas profundas para modelado pueden considerarse como una tercera generación de redes neuronales, las cuales se caracterizan por estar formadas por varias capas de neuronas ocultas que realizan una abstracción de la información.
Aunque estos modelos ya eran conocidos en la década de los 80, en la práctica se había visto que estas redes profundas no proporcionaban ventajas importantes sobre las habituales redes neuronales de una única capa oculta. Sin embargo, avances científicos recientes han demostrado que, si se utilizan algoritmos de construcción apropiados, las redes profundas sí son capaces de obtener niveles de rendimiento fuera del alcance de las redes clásicas.
En este seminario de carácter técnico, Álvaro Barbero explicará la complejidad de la tarea de construir redes profundas, la cual no puede resolverse de forma efectiva empleando algoritmos clásicos de redes neuronales. Tras identificar las causas de esta complejidad se presentarán dos métodos capaces de llevar a cabo esta tarea, las Máquinas de Boltzmann Restringidas (Restricted Boltzmann Machines) y los Autocodificadores Dispersos (Sparse Autoencoders), así como algunas técnicas de optimización adecuadas para este tipo de redes. Además se discutirán las posibilidades de aplicación de estas técnicas a tareas de modelización complejas como pueden ser el aprendizaje semiautomático, la reducción de ruido y la corrección de datos incompletos.
La asistencia al seminario es gratuita, no siendo necesario registro previo.