Explicabilidad en aprendizaje automático

PonenteCésar Domínguez Pérez (Universidad de La Rioja).

Lugar: Aula 103 (Edificio CCT — aforo limitado –) y online (https://bit.ly/salaDMC).

Hora: miércoles 14 de julio, 12:00.

Resumen: En esta charla debatiremos sobre los conceptos de explicabilidad e interpretabilidad en aprendizaje automático. Reflexionaremos sobre los beneficios que aportan y esbozaremos una taxonomía de métodos existentes. Finalmente, introduciremos alguno de los métodos más utilizados actualmente a la hora de trabajar con datos estructurados.

Diseño UX: proceso y herramientas

PonenteRaquel Olarte (Área de Innovación en Diseño Industrial. Escuela Politécnica Superior. Mondragón Unibersitatea).

Lugar: online (https://bit.ly/salaDMC).

Hora: miércoles 7 de julio, 12:00.

Resumen: Esta sesión se centra en el ámbito de la usabilidad y el diseño UX (User Experience). Se expondrá de manera general el proceso de diseño de sistemas digitales desde una perspectiva centrada en las personas (Human-Centered Design). Se mostrarán herramientas que facilitan la transición entre el diseño y el desarrollo de interfaces. Además, se presentará un caso de evaluación de interfaces mediante tests de usuario.

MONAILabel: The Gym for medical image annotation

PonenteAndrés Díaz-Pinto (Research Fellow, Department of Biomedical Engineering, King’s College London, UK. https://www.kcl.ac.uk/people/andres-diaz-pinto).

Lugar: online (https://bit.ly/salaDMC).

Hora: miércoles 23 de junio, 12:00.

Resumen: In this talk, we will introduce MONAILabel, a server-client system that facilitates interactive medical image annotation by using AI. It is an open-source and easy-to-install ecosystem that can run locally on a machine with one or two GPUs. Both server and client work on the same/different machine. It shares the same principles with MONAI: Modular, Pythonic, Extensible, Easy to debug, User friendly and Portable.

https://github.com/Project-MONAI/MONAILabel

Ética e Inteligencia Artificial

Ponentes: Olaya Fernández (Departamento de Ciencias Humanas, Universidad de La Rioja).

Lugar: Aula 001 (Edificio CCT).

Hora: miércoles 19 de mayo, 9:30.

Resumen: En esta charla se presentarán algunos de los aspectos éticos que conllevan ciertas técnicas y aplicaciones de la Inteligencia Artificial y se propiciará el debate con expertos de esta área de conocimiento para tratar de profundizar en las consideraciones éticas de sus investigaciones.

Smart perception systems in industrial and agricultural domains

PonentesRoberto Marani (Investigador Predoctoral, Istituto di Sistemi e Tecnologie Industriali Intelligenti per il Manifatturiero Avanzato, Intelligent Sensing and Perception Group. Bari, Italia), https://sites.google.com/view/robertomarani/.

Lugar: online (https://bit.ly/salaDMC).

Hora: miércoles 5 de mayo, 10:00

Resumen: Advanced perception is a key enabling technology for shaping innovation in any physical environment. Low-cost technologies implementing multisensor systems, such as sensor networks and/or visual systems, cooperate with new methodologies assisted by computational intelligence to support people in making decisions in planning and controlling automatic devices for several application fields. The complete design of such systems is the main goal of the Intelligent Sensing and Perception (ISP) group, whose research is mainly targeted at the acquisition, fusion, processing, and interpretation of multisensor data. This talk will present several examples of advanced perception systems endowed with smart abilities for industrial diagnostics, human assistance, and precision agriculture. After a brief presentation of the activities of the ISP group, it will go through two case studies regarding i) innovative quality control procedures for defect detection in aeronautic structures and ii) image acquisition and processing for on-field yield analysis in precision agriculture. Possible opportunities for further cooperation in the very next future will be also presented.

Inteligencia artificial en retina

Ponentes: Dídac Royo (Director técnico y fundador de Optretina) y Miguel Ángel Zapata (Adjunto servicio oftalmología Hospital Vall d’Hebron. Barcelona, Director médico y fundador de Optretina).

Lugar: online (https://bit.ly/salaDMC).

Hora: jueves 29 de abril, 13:00.

Resumen: Optretina es una empresa fundada hace 8 años que se dedica principalmente a la telemedicina en el campo de las enfermedades de la retina. Durante la charla comentaremos las principales líneas de trabajo, los primeros estudios y aplicaciones de la inteligencia artificial, así como las aplicaciones prácticas de redes neuronales que actualmente está utilizando Optretina. Durante el encuentro se comentarán también las futuras líneas de investigación en inteligencia artificial previstas y otras líneas de trabajo que se están desarrollando en el mundo de la retina con el uso de la inteligencia artificial.

Biografía:

Dídac Royo. Ingeniero Industrial en la rama de informática por la Universitat Politècnica de Catalunya. CTO y fundador de Optretina. CEO y fundador de S4Research.

Miguel A. Zapata. Médico por la Universitat Autònoma de Barcelona, especialista en Oftalmología, Doctor en Medicina y Cirugía con mención honorífica. Especialista en retina. Su actividad asistencial se desarrolla en el campo de la retina médica y quirúrgica, con especial énfasis en la degeneración macular y la retinopatía diabética. Sus principales intereses de investigación, tanto básica como clínica, son la degeneración macular, la retinopatía diabética, el desarrollo de nuevos fármacos para el tratamiento de la retina y la inteligencia artificial. En el campo de la investigación clínica, el Dr. Zapata ha sido investigador principal en 9 proyectos en los últimos 4 años y colaborador en más de 25 ensayos clínicos e investigación traslacional. En investigación básica, como principal en 3 proyectos y colaborador en 7 más. Ha presentado ponencias en numerosos congresos nacionales e internacionales y actualmente cuenta con 33 publicaciones indexadas.

A mobile application to fight antibiotic resistance

PonentesMarco Pascucci (Investigador Postdoctoral, Laboratoire de Mathématiques et Modélisation d’Évry), https://mpascucci.github.io.

Lugar: online (https://bit.ly/salaDMC).

Hora: miércoles 21 de abril, 10:00

Resumen: Antimicrobial resistance is a major global health threat and its development is promoted by antibiotic misuse. While disk diffusion antibiotic susceptibility testing (AST, also called antibiogram) is broadly used to test for antibiotic resistance in bacterial infections, it faces strong criticism because of inter-operator variability and the complexity of interpretative reading. Automatic reading systems address these issues, but are not always adapted or available to resource-limited settings and come with high costs. We present a smartphone application for antibiogram analysis. The application captures images with the phone’s camera, and the user is guided throughout the analysis on the same device by a user-friendly graphical interface. Image processing and result analysis are entirely done offline on a smartphone. Our application is suited for resource-limited settings, it aims to lower the entry effort for performing AST testing and therefore increase patients’ access to AST worldwide.

Nota 01: la aplicación móvil presentada fue distinguida con el Google AI Impact Challenge 2019. También ha sido presentada en un reciente número de la revista Nature Communications.

Nota 02: si quieres acceder a la aplicación desarrollada (todavía en fase de pruebas) lo puedes hacer rellenando el siguiente formulario: https://form.typeform.com/to/qEGVBzbu.

Transformación Digital: la adopción del Machine Learning en las empresas

PonentesIgnacio Fernández Estébanez (Business Development Manager, Arsys).

Lugar: Aula 204 (Edificio CCT), y online (https://bit.ly/salaDMC).

Hora: miércoles 14 de abril, 10:00

Resumen: ¿Sabías que Netflix te muestra diferentes portadas para las series y películas en función de tus gustos? El Machine Learning es una disciplina del ámbito de la inteligencia artificial consistente en entrenar una máquina a partir de una colección de datos para que pueda aprender y realizar tareas reduciendo la intervención humana.

El aumento del volumen de datos y de la capacidad de cómputo han permitido extender la aplicación del Machine Learning hasta convertirse en algo que utilizamos diariamente de forma inconsciente: está presente en las recomendaciones de YouTube, Netflix o Spotify, en asistentes de voz o en el análisis de fraude al solicitar un crédito.

A pesar de su popularización a través de lenguajes de programación como Python o R, el uso del machine learning está todavía restringido a usuarios avanzados con al menos conocimientos de programación y matemáticas, entre otras áreas. Cada vez más aparecen algunas aplicaciones que permiten utilizar modelos preentrenados o entrenar modelos sin tener estos conocimientos, pero están aislados a ciertos casos de uso como el análisis de imágenes o el procesado de textos.

En esta charla comentaremos la inmersión de una empresa IT para adentrarse en el mundo del Machine Learning con un proyecto para generar un modelo de recomendaciones de ventas, empezando desde cero y los principales problemas encontrados. El siguiente reto: ¿es posible este caso con computación cuántica?

Rompiendo la barrera del tiempo en microscopía

PonentesDiego Megías Vázquez (jefe de la Unidad de Microscopía Confocal del Centro Nacional de Investigaciones Oncológicas – CNIO), Gadea Mata Martínez (Universidad de La Rioja).

Lugar: online (https://bit.ly/salaDMC).

Hora: miércoles 31 de marzo, 10:00

Resumen: La adquisición de imagen en microscopía óptica de fluorescencia requiere la exposición de la muestra a potentes fuentes de luz y a la recogida de su emisión. A mayor tiempo de exposición mayor relación señal / ruido. Dicho aumento en el tiempo de exposición genera toxicidad y muchas veces impide poder seguir con claridad eventos celulares rápidos. Las muestras biológicas que se ensayan diariamente en microscopía han de ser capturadas intentando que las imágenes sean lo más rápidas y fieles a la realidad posible pero sin dañarlas. En este seminario os contaremos como el Machine Learning nos puede ayudar a conseguir estos objetivos.