WAIMLAp​ ​2017

Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning​ ​Applications

Pontificia​ ​Universidad​ ​Católica​ ​del​ ​Perú
23-24​ ​November​ ​2017,​ ​Lima,​ ​Peru

http://grpiaa.inf.pucp.edu.pe/waimlap2017/

Grupo​ ​de​ ​Inteligencia​ ​Artificial​ ​-​ ​PUCP

https://www.facebook.com/iapucp/

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

Overview​ ​of​ ​the​ ​Program

Thursday,​ ​23th​ ​November​ ​2017​ (Location:​ ​Auditorium​ ​FCI)

09:00​ ​–​ ​09:30​ ​Registration
09:30​ ​–​ ​10:15​ ​Invited​ ​talk:​ ​Junior​ ​Fabian​ ​Arteaga
10:15​ ​–​ ​10:40​ ​Oral​ ​session​ ​1
10:40​ ​–​ ​11:00​ ​Paper Highlight​ ​Presentations​ ​(PA)
11:00​ ​–​ ​11:45​ ​Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session​ ​(PA)
11:45​ ​–​ ​12:30​ ​Invited​ ​talk:​ ​Juan​ ​Carlos​ ​Gutiérrez​ ​Cáceres
12:30​ ​–​ ​14:30​ ​Lunch​ ​break
14:30​ ​–​ ​15:00​ ​Oral​ ​Session​ ​2
15:00​ ​–​ ​16:00​ ​Invited​ ​talk:​ ​Marco​ ​Alvarez​ ​Vega
16:00​ ​–​ ​16:30​ ​Paper Highlight​ ​Presentations​ ​(PB)
16:30​ ​–​ ​17:15​ ​Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session​ ​(PB)
17:10​ ​–​ ​18:00​ ​Oral​ ​Session​ ​3
18:00​ ​–​ ​19:00​ ​Invited​ ​talk:​ ​Silvio​ ​Guimaraes

Friday,​ ​24th​ ​November​ ​2017​ (Location:​ ​Auditorium​ ​FCI,​ ​PUCP)

09:00​ ​–​ ​12:30​ ​Deep​ ​Learning​ ​Mini-course​ ​(Lab.​ ​V208)
12:30​ ​–​ ​14:30​ ​Lunch​ ​break
14:30​ ​–​ ​15:00​ ​Oral​ ​Session​ ​4
15:00​ ​–​ ​15:45​ ​Invited​ ​talk:​ ​Pablo​ ​Fonseca​ ​Arroyo
15:45​ ​–​ ​16:15​ ​Paper Highlight​ ​Presentations​ ​(PC)
16:15​ ​–​ ​17:00​ ​Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session​ ​(PC)
17:00​ ​–​ ​17:30​ ​Oral​ ​Session​ ​5
17:30​ ​–​ ​18:15​ ​Invited​ ​talk:​ ​Ricardo​ ​González​ ​Valenzuela
18:15​ ​–​ ​19:00​ ​Closing
 Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning
Applications​ ​-​ ​WAIMLAp
2017

Full​ ​Program

Thursday,​ ​23th​ ​November​ ​2017​

Registration
09:00​ ​-​ ​09:30,​ ​Auditorium​ ​FCI,​ ​PUCP

Invited​ ​Talk,​ ​Oral​ ​Session​ ​and​ ​Highlight​ ​presentation

09:30​ ​-​ ​12:30,​ ​Auditorium​ ​FCI,​ ​PUCP

09:30​ ​-​ ​10:15 ​Invited​ ​Talk

Cultural​ ​event​ ​recognition
Junior​ ​Fabian​ ​Arteaga

Oral​ ​Session​ ​01

10:15​ ​-​ ​12:30,​ ​Auditorium​ ​FCI,​ ​PUCP
Session​ ​Chair:​ ​Analí​ ​Alfaro

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​.

Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session

11:00​ ​–​ ​11:45,​ ​Hall​ ​Pab.​ ​A,​ ​PUCP

11:45​ ​-​ ​12:30 ​Invited​ ​Talk

Detección​ ​de​ ​acciones​ ​violentas​ ​en​ ​escenas​ ​de​ ​video
Juan​ ​Carlos​ ​Gutiérrez​ ​Cáceres

12:30​ ​-​ ​14:30​ ​Lunch​ ​Break

 Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning
Applications​ ​-​ ​WAIMLAp
2017

Oral​ ​Session​ ​02

14:30​ ​-​ ​16:30,​ ​Auditorium​ ​FCI,​ ​PUCP
Session​ ​Chair:​ ​Soledad​ ​Espezua

14:30​ ​-​ ​15:00

Automatic​ ​Lymphocyte​ ​Detection​ ​on​ ​Gastric​ ​Cancer​ ​IHC​ ​Images​ ​using​ ​Deep
Learning
Emilio​ ​García​ ​Rios​ ​and​ ​Renato​ ​Hermoza​ ​Aragonés

15:00​ ​-​ ​16:00 ​Invited​ ​Talk

Machine​ ​learning​ ​for​ ​structured​ ​and​ ​complex​ ​data
Marco​ ​Álvarez​ ​Vega

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.​

Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session

16:30​ ​–​ ​17:20,​ ​Hall​ ​Pab.​ ​A,​ ​PUCP

Oral​ ​Session​ ​03

17:20​ ​-​ ​18:00,​ ​Auditorium​ ​FCI,​ ​PUCP

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

18:00​ ​-​ ​19:00 ​Invited​ ​Talk

Exploring​ ​feature​ ​distribution​ ​to​ ​create​ ​mid-level​ ​representations:​ ​A​ ​case
study​ ​in​ ​human​ ​action​ ​recognition
Silvio​ ​Guimaraes
 Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning
Applications​ ​-​ ​WAIMLAp
2017

Friday,​ ​24th​ ​November​ ​2017​

09:00​ ​-​ ​12:30

Deep​ ​Learning​ ​Mini-Course
Renato​ ​Hermoza​ ​Aragonés
Laboratory​ ​V-208

12:30​ ​-​ ​14:00​ ​Lunch​ ​Break

Oral​ ​Session​ ​04

14:30​ ​-​ ​15:00,​ ​Auditorium​ ​FCI,​ ​PUCP
Session​ ​Chair:​ ​Edwin​ ​Villanueva

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

15:10​ ​-​ ​15:50 ​Invited​ ​Talk

Triage​ ​automático​ ​de​ ​bugs​ ​de​ ​batería​ ​en​ ​smartphones​ ​usando​ ​Machine
Learning
Pablo​ ​Fonseca​ ​Arroyo

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.

Tea/Coffee​ ​Break​ ​–​ ​Poster​ ​session

16:20​ ​–​ ​17:00,​ ​Hall​ ​Pab.​ ​A,​ ​PUCP
 Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning
Applications​ ​-​ ​WAIMLAp
2017

Oral​ ​Session​ ​05

17:00​ ​-​ ​18:00,​ ​Auditorium​ ​FCI,​ ​PUCP

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

17:20​ ​-​ ​18:00 ​Invited​ ​Talk

Machine​ ​Learning​ ​para​ ​el​ ​desarrollo​ ​de​ ​aplicaciones​ ​móviles
Ricardo​ ​Gonzalez​ ​Valenzuela

Closing
18:00​ ​–​ ​18:30,​ ​Auditorium​ ​FCI
 Workshop​ ​on​ ​Artificial​ ​Intelligence​ ​and​ ​Machine​ ​Learning
Applications​ ​-​ ​WAIMLAp
2017

Mini-Curso​ ​de​ ​Deep​ ​Learning​ ​con​ ​Python

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.

¿Hay​ ​algún​ ​prerrequisito?

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).

¿Por​ ​qué​ ​Python?

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

¿Por​ ​qué​ ​Keras?

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.

Robert Aduviri Choque, ​egresó de la especialidad de Ingeniería Informática y

actualmente se desempeña como desarrollador de software, tuvo pasantías
internacionales en la Universidad de Sao Paulo (Brasil) y Universidad de Calgary
(Canada), participa de proyectos como miembro del IA-PUCP donde aplica técnicas de
aprendizaje​ ​de​ ​máquina​ ​y​ ​deep​ ​learning

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.