Академический Документы
Профессиональный Документы
Культура Документы
http://grpiaa.inf.pucp.edu.pe/waimlap2017/
Draft Program
ESCUELA DE FACULTAD DE
POSGRADO CIENCIAS E INGENIERÍA
MAESTRÍA EN INFORMÁTICA INGENIERÍA INFORMÁTICA
GRUPO DE INTELIGENCIA ARTIFICIAL
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
Full Program
10:15-10:40
Reconocimiento de rostros en videos de baja resolución
Jesús Cárdenas Talavera and Juan Carlos Gutiérrez Cáceres
10:40 Paper highlight presentations with code PA* (12 presentations of 2 min. each)
PA-01
Comités de clasificadores para la clasificación de datos de expresión génica
Alexandra Espichán.
PA-02
Implementación de un algoritmo de reconstrucción 3D de células espermáticas a partir de una
secuencia de imágenes
Camilo Solari Castillo.
PA-03
Algoritmo para la discriminación de patrones acústicos de voces y pisadas humanas
Cecilia Viera Barthelmes.
PA-04
Diseño de un modelo algorítmico basado en visión computacional para la detección y clasificación
de retinopatía diabética en imágenes retinográficas digitales
Daekef Abarca Cusimayta.
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
PA-05
Algoritmo para el balanceo dinámico del grado de dificultad mediante aprendizaje de máquina en la
implementación de un juego orientado a apoyar el desarrollo de la inteligencia espacial en niños de
etapa pre-escolar.
Franco André Caballero Torres.
PA-06
Desarrollo de un modelo algorítmico basado en árboles de decisión para la predicción de la
permanencia de un paciente en un proceso psicoterapéutico.
Heli Leon Atiquipa.
PA-07
Implementación de un algoritmo de aprendizaje máquina para el reconocimiento de movimientos de
voleibol en videos RGB-D
Jehu Pacheco Gomez.
PA-08
Detección de patrones de causalidad de interacciones génicas en datos temporales de expresión
génica usando análisis de agrupamientos
Jose Chu Del Barco.
PA-09
Modelo de predicción de movimiento en el juego de Pac-Man
Karla Isabel Pedraza Salinas, Eduardo Manuel Velarde Polar, Luis Carlos Arana Motta, Bruno
Alonso Romero Trigueros.
PA-10
Desarrollo de un algoritmo de seguimiento de puntos de referencia múltiples en videos de jugadores
de voleibol
Mayra Palomares de la Cruz.
PA-11
Implementación un algoritmo de análisis automático y clasificación de los componentes internos de
las placas ateroscleróticas coronarias humanas a partir de imágenes histopatológicas
Renzo Zúñiga Avendaño.
PA-12
Aprendizaje de comportamiento en el juego de Pac-Man mediante redes neuronales
Rubén E. Camarena Jáuregui, Victor H. Girón Miyashiro.
16:30 Paper highlight presentations with code PB* (12 presentations of 2 min. each)
PB-01
A Low-Resourced Peruvian Language Identification Model
Alexandra Espichán Linares and Arturo Oncevay.
PB-02
Spell-Checking based on Syllabification and Character-level Graphs for a Peruvian Agglutinative
Language
Carlo Alva Cohello and Arturo Oncevay.
PB-03
Ranking de celulares usando análisis de opinión
Carlo Alva Cohello, Francisco Beingolea and Camila Barboza.
PB-04
Exploratory Analysis for Ontology Learning from Social Events on Social Media Streaming in
Spanish.
Enrique Valeriano and Arturo Oncevay.
PB-05
Redes convolucionales aplicadas en el rastreo de sensores inerciales.
Franco Peña and David Arteaga.
PB-06
Using word Embeddings in Recipe Recommendations
Gary Velasquez, Miguel Koo, Felipe Pacora and Luis Bañon.
PB-07
Modelo computacional para determinar la trayectoria de jugadores de fútbol en presencia de
oclusión, basado en filtro de partículas
Igor Roldan Roldan.
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
PB-08
Identificación Automática de Escenas Violentas en Imágenes utilizando Técnicas de Deep Learning
Jorge Guerrero, Hector Oscanoa and Leonardo Vera.
PB-09
Análisis de Trending Topics en Facebook de Noticias de Periódicos Peruanos
Ramon Bruderer, Gerardo García, Walter Reyes.
PB-10
Spanish-English Machine Translation Using Recurrent Neural Networks
Renato Hermoza, Franco Ascarza and Robert Aduviri.
17:20-17:40
Convolutional Neural Networks for Page Segmentation of Historical Document
Images
Franco Ascarza Medoza
17:40-18:00
Generative Adversarial Network for reconstruction of 3D objects
Renato Hermoza Aragonés
14:30-14:50
Clasificación de mamografías utilizando redes neuronales profundas para la
identificación de cáncer de mama
Luis Christian Fernandez, William Miranda, Fedra Trujillano, Oscar Carrión and Jaime Medina
14:50-15:10
Modelo de detección y seguimiento de vehículos con cámara de vigilancia
Elian Laura and Juan Carlos Gutiérrez Cáceres
15:50 Paper highlight presentations with code PC* (12 presentations of 2 min. each)
PC-01
Modelo algorítmico para la predicción de retraso de vuelos.
Alonso Yoshio Álvarez Tengan.
PC-02
Modelo algoritmo para la descripción automática de documentos de identidad
Tomás Carrillo Fuertes.
PC-03
Sistema de recomendación de música
Diego Vargas, André Pando, Ronie Arauco.
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
PC-04
Clasificación por género y acento en el reconocimiento de voz
Eduardo Jesús Luyo Gonzales, Francisco Tomizo Fujiki Escobar, Gonzalo André Lozano Chávez,
Carlos Enrique Pérez Sinticala.
PC-05
An LDA-lexical syntactical approach for events and features extraction of earthquakes from Spanish
and English tweets.
Enrique Valeriano Loli, Juanjose Tenorio Peña, Rodrigo López Condori.
PC-06
Word Embedding Experiments for Aspect-Based Sentiment Analysis in Spanish Tweets.
Franco Tume and Marco Sobrevilla.
PC-07
SongTags, modelo de recomendación de música
Franco Tume, Vivian Góngora, Óscar Vega, José Gil.
PC-08
Human activity recognition based on mobile information
Franz Cahuana Macedo.
PC-09
Segmentación automática de mallas 3D de objetos arqueológicos
Gabriel Tovar Rodríguez.
PC-10
Implementación de un algoritmo de aprendizaje profundo basado en eventos para el problema de
predicción de movimiento bursátil
Jaime Diego Bustamante Arce.
PC-11
Sistema de Recomendación de Películas y Autores
Marcio Pererya Campos, Joel Aguirre Torres, Katherine Espinoza Dávila.
PC-12
A hybrid decision support system for employee recruitment in business and employment oriented
social network platforms
Robert Alonso Aduviri Choque, Juanjosé Hafid Tenorio Peña, André Omar Chávez Panduro and
Oscar Emiliano Vega Huayanay.
17:00-17:20
Análisis y comparación de modelos de clasificación de aprendizaje automático aplicado a
riesgo crediticio
Jorge Brian Alarcon Flores, Christian Walter Sarmiento Roman, Luis Ruiz Saldarriaga and Jiam
Carlos López Malca
Closing
18:00 – 18:30, Auditorium FCI
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
Contenido
El mini-curso está destinado a presentar los conceptos de deep learning y proporcionar
una base para construir un conocimiento más avanzado en el campo. Este contiene:
● Fundamentos de la teoría de deep learning
● Cómo abordar y resolver un problema con deep learning
● Construcción y entrenamiento de un modelo profundo completamente conectado
con Keras
● Construcción y entrenamiento de una red neuronal convolucional con Keras.
● Cómo utilizar redes pre-entrenadas: transfer learning.
● Aplicación al procesamiento de imágenes
Actividades
El taller está concebido para maximizar la experiencia de aprendizaje para todos e
incluye un 50% de teoría y un 50% de práctica práctica. Siendo que todo el taller se
llevará a cabo en laboratorio.
Se recomienda tener experiencia previa de programación en Python o en otros lenguajes
para un mejor aprovechamiento del taller. Además, también se recomienda tener
familiaridad con conceptos de aprendizaje de máquina (Machine Learning).
En los últimos 2 años, Python se ha convertido en un estándar de facto en Ciencia de
Datos y es ampliamente adoptado por la mayoría de las compañías más importantes. Las
razones de este éxito incluyen:
● Un gran conjunto de bibliotecas maduras de ciencia de datos => la mayoría de las
necesidades están cubiertas
● Comunidad mundial de entusiastas => obtenga ayuda cuando la necesite
● Fácil de aprender, leer y escribir => comenzar a contribuir de inmediato
● Admite codificación funcional y orientada a objetos => versátil y potente
● Lenguaje de programación “full stack” => interacción más fácil entre los
científicos de datos y los ingenieros de software
Workshop on Artificial Intelligence and Machine Learning
Applications - WAIMLAp
2017
Keras es una API y biblioteca de redes neuronales de alto nivel que permite simplemente
crear y entrenar modelos de aprendizaje profundo utilizando Tensorflow o Theano
como back-end. Escrito en Python se enfoca en permitir la experimentación rápida.
Recientemente se convirtió en la API preferida de alto nivel para Tensorflow y, por lo
tanto, proporciona un gran punto de entrada para acercarse a Tensorflow. Lo más
destacado de Keras:
● Permite creación de prototipos fácil y rápida
● Soporta arquitecturas full-connected, convolucionales y Recurrentes
● Admite esquemas de conectividad arbitrarios
● Funciona sin problemas en CPU y GPU
● Se integra muy bien con Tensorflow y Tensorboard
Instructores
Renato Hermoza Aragonés, viene culminando su Maestría en Informática en la PUCP,
es miembro investigador del IA-PUCP, su trabajo de investigación está focado en aplicar
Redes Generativas Adversarias (GAN) en la reconstrucción de objetos 3D. Posee
experiencia en el desarrollo de software y ciencia de datos.
Inscripciones
Las inscripciones están limitadas a una capacidad de 30 personas, se priorizará a
aquellas personas que posean conocimientos previos de programación y nociones de
Machine Learning.