Generative Few-Shot Learning

PonenteAdrián Inés Armas (Investigador Predoctoral, Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 31 de mayo de 2022, 12:00.

Resumen: El problema de few-shot learning en clasificación de imágenes consiste en crear un modelo que sea capaz de clasificar imágenes de nuevas clases usando un número muy reducido de imágenes de entrenamiento para cada clase. La dificultad de este problema radica en los pocos datos de entrenamiento que podemos usar y la gran cantidad de datos necesarios para entrenar modelos de Machine Learning o Deep Learning capaces de resolver este tipo de tareas.


En esta charla voy a contar el trabajo realizado en mi estancia de investigación en la Universidad Albert-Ludwigs de Alemania. En primer lugar, voy a introducir el problema de few-shot learning en la clasificación de imágenes, así como las aproximaciones que existen en la literatura. Posteriormente veremos cómo hemos abordado este problema usando redes generativas.

Una visión computacional de la química: de la química cuántica al aprendizaje automático

PonenteIgnacio Funes Ardoiz (Investigador del Departamento de Química, miembro del Grupo de Investigación en Fotoquímica Orgánica, Universidad de La Rioja).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 10 de mayo de 2022, 12:00.

Resumen: La química es la ciencia que se encarga del estudio de la materia. Tradicionalmente, se ha relacionado muy estrechamente con el trabajo de laboratorio, desde la síntesis al análisis de nuevos compuestos y materiales. Con el auge de la mecánica cuántica y los ordenadores a lo largo del siglo XX, una nueva vertiente derivada de la química teórica ha ganado mucho peso a la hora de comprender los procesos a escala molecular: la química computacional.

En este seminario, se tratará de hacer un recorrido, desde un punto de vista computacional, a los últimos avances en ciencia de datos, aprendizaje automático y programas informáticos, que los químicos usamos para entender las reacciones del mundo que nos rodea. Finalmente, se discutirán dos ejemplos concretos del autor sobre la aplicación de la ciencia de computación a la química: el desarrollo del programa GoodVibes1,2 y el uso de aprendizaje automático no supervisado para la búsqueda de nuevos catalizadores.3

1 https://github.com/patonlab/GoodVibes;

2 Liuchini, G.; Alegre-Requena, J. V.; Funes-Ardoiz, I.; Paton, R. S. “GoodVibes: automated thermochemistry for heterogeneous computational chemistry data” F1000Research, 2020, 9, 291.

3 Hueffel, J. A.; Sperger, T.; Funes-Ardoiz, I.; Ward, J. S; Rissanen, J.; Schoenebeck, F. “Accelerated dinuclear palladium catalyst identification through unsupervised machine learning” Science, 2021, 374, 1134.

True Artificial Intelligence o Artefactos cognitivos que aprenden

Inteligencia Artificial Semántica, la convergencia entre IA simbólica e IA orientada al aprendizaje automático

PonenteSusana López Sola (Responsable de Área Comercial, GNOSS — Grafos de Conocimiento –), Esteban Sota (Jefe de Proyectos, GNOSS).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 26 de abril de 2022, 12:00.

Resumen: La Inteligencia Artificial Semántica y Contextual es una condición para construir True Artificial Intelligence, una IA capaz de operar con las personas en un marco de ‘sentido común’.

Durante más de 5 décadas, DARPA (Defense Advanced Research Projects Agency) ha liderado la investigación y el desarrollo que ha posibilitado el avance y aplicación de tecnologías de Inteligencia Artificial basadas en reglas y aprendizaje estadístico (Aprendizaje Automático y Aprendizaje Profundo). Según ellos, la IA de siguiente generación permitirá a los sistemas añadir la capacidad de explicar sus resultados y dotarlos de razonamiento con “conocimiento de sentido común”.

La IA Semántica tiene como propósito construir esa clase de “artefactos cognitivos”, basados en la representación ontológica del conocimiento humano y su traspaso a las máquinas mediante lenguajes técnicos de programación y sistemas específicos de cálculo y razonamiento. Se trata de construir ese artefacto cognitivo o “mental” evolutivo (que aprende), que posibilite interpretar el universo humano en el ámbito concreto que aplique y el conjunto de intenciones que lo informan con el fin de poder conversar o dialogar con las personas de un modo útil y contextual.

En este seminario se introducirá en qué consiste este enfoque de la inteligencia artificial y qué tecnologías concurren. Asimismo, se presentará cómo estas tecnologías se han concretado en la plataforma de desarrollo GNOSS Semantic AI Platform y en los servicios GNOSS Sherlock AI para la construcción de proyectos digitales, incluyendo la presentación de casos de uso.

Aprendizaje profundo para el diagnóstico de enfermedades oculares

PonenteJónathan Heras Vicente (Universidad de La Rioja).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 1 de marzo de 2022, 12:00

Resumen:  En esta charla presentaremos el trabajo que desde el grupo estamos realizando para el diagnóstico de enfermedades oculares a partir de imágenes de fondo de ojo. En concreto nos centraremos en cuatro enfermedades (retinopatía diabética, degeneración macular, membrana epirretiniana y glaucoma), y las distintas aproximaciones que hemos llevado a cabo para definir modelos de aprendizaje profundo capaces de diagnosticar dichas enfermedades. Este trabajo se está realizando en colaboración con la empresa UPRetina y el Hospital Vall D’Hebron.

Nota: Parte del trabajo que se presentará en esta charla fue premiado en el Congreso de la Asociación Española para la Inteligencia Artificial (CAEPIA 20/21) celebrado en septiembre de 2021.

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.

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?

Cómo las Matemáticas pueden ayudar a resolver mezclas de masas de agua oceánica

Ponentes: Cristina Romera Castillo (Instituto de Ciencias del Mar, CSIC, Barcelona), Eduardo Sáenz de Cabezón Irigaray (Universidad de La Rioja)

Lugar: Aula 001 (Edificio CCT), y online (https://bit.ly/salaDMC).

Hora: jueves 17 de diciembre, 13:00

Resumen: El océano está compuesto de aguas de distinta procedencia que viajan siguiendo las corrientes marinas. En oceanografía, es necesario conocer la proporción de cada masa de agua que compone una muestra de agua de mar para poder realizar un mapa de distribución de dichas masas de agua y entender cómo y por dónde se mueven éstas. Para ello, se usan variables conservativas como son la temperatura y salinidad que caracterizan a cada masa de agua. En esta charla mostraremos unas nociones básicas de oceanografía y las metodologías que se usan para resolver mezclas de masas de agua. Además, discutiremos qué otras metodologías se pueden aplicar gracias a las nuevas tecnologías, en particular modelos de aprendizaje automático, mostrando el trabajo en proceso en colaboración con Jónathan Heras (Universidad de La Rioja).

Búsqueda de Modelos de Machine Learning con GA-PARSIMONY y su aplicación en proyectos de Ingeniería

Ponente: Fco. Javier Martínez de Pisón Ascacíbar (Grupo EDMANS – Universidad de La Rioja)

Lugar: Seminario Mirian Andrés (Edificio CCT)

Hora: martes 26 de noviembre, 13:00

Resumen: En esta charla se hablará de las experiencias y lecciones aprendidas en algunos proyectos de aprendizaje automático (Machine Learning) en los que ha trabajado el Grupo EDMANS (Engineering Data Mining And Numerical Simulations) para la mejora de procesos industriales, de diseño mecánico o estructural, medioambiental, empresarial, etc. Además, se hablará del uso de la librería para R, denominada “GA-PARSIMONY”; que ha sido desarrollada dentro del propio grupo de investigación. Esta librería permite realizar una búsqueda automática, mediante Algoritmos Genéticos, de las mejores variables y parámetros de cada algoritmo en base a un doble criterio de optimización: precisión y parsimonia. El objetivo final es la obtención de modelos precisos con un bajo número de entradas que los haga robustos ante perturbaciones y ruidos.

Referencias:

– https://github.com/jpison/GAparsimony

– https://cran.r-project.org/web/packages/GAparsimony/index.html

– Urraca, R., Huld, T., Martinez-de-Pison, F.J., Gonzalez-Sendino, R., Aldama, A., Ferreiro-Cabello, J., Fraile-Garcia, E., 2019.
Hybrid methodology based on Bayesian optimization and GA-PARSIMONY to search for parsimony models by combining hyperparameter optimization and feature selection. Neurocomputing, 354, pp. 20-26. DOI: 10.1016/j.neucom.2018.05.136

– Sanz-Garcia, A., Fernandez-Ceniceros, J., Antonanzas-Torres, F., Pernia-Espinoza, A.V., Martinez-de-Pison, F.J., 2015.  GA-PARSIMONY: A GA-SVR approach with feature selection and parameter optimization to obtain parsimonious solutions for predicting temperature settings in a continuous annealing furnace. Applied Soft Computing 35, 23-38.

– Urraca R., Sodupe-Ortega E., Antonanzas E., Antonanzas-Torres F., Martinez-de-Pison, F.J. (2017). Evaluation of a novel GA-based methodology for model structure selection: The GA-PARSIMONY. Neurocomputing, Online July 2017.

– Fernandez-Ceniceros J., Sanz-Garcia A., Antonanzas-Torres F., Martinez-de-Pison F.J. (2015). A numerical-informational approach for characterising the ductile behaviour of the T-stub component. Part 2: Parsimonious soft-computing-based metamodel. Engineering Structures 82, 249-260.

– Antonanzas-Torres F., Urraca R., Antonanzas J., Fernandez-Ceniceros J., Martinez-de-Pison F.J. (2015). Generation of daily global solar irradiation with support vector machines for regression. Energy Conversion and Management 96, 277-286.

Biometría e Inteligencia Artificial aplicadas en educación

Ponente: Alfredo Anaya Aranzubía (Director técnico de ADR Formación), José Luis Del Rincón (Gerente de ADR Formación).

Lugar: Seminario Mirian Andrés (Edificio CCT)

Hora: lunes 13 de mayo, 10:00

Resumen: ADR Formación, empresa riojana especializada en elearning, presenta dos nuevos servicios biométricos para la identificación de alumnos, resultado de un proyecto de I+D usando inteligencia artificial.

  • IA y biometría conductual para garantizar la identidad personal en el elearning
  • Tipos de biometría
  • FaceIdentity basado en biometría facial
  • Keyidentity basado en biometría de patrones de tecleo.

¿Qué puede hacer la investigación en informática para ayudar a la dislexia?

 

Ponente: Luz Rello Sánchez (Carnegie Mellon University, sitio web)

Lugar: Salón de Actos (Edificio CCT)

Hora: lunes 22 de enero, 11:00

Resumen: En esta intervención Luz Rello hará un resumen de los últimos siete años de investigación multidisciplinar desarrollada entre la Universidad Pompeu Fabra, Carnegie Mellon University y Change Dyslexia para llegar hasta la presentación de las aplicaciones de detección precoz de dislexia y de apoyo a la dislexia: Dytective Test y DytectiveU, validadas con 10.000 personas. Ambas herramientas mezclan técnicas de aprendizaje automático, procesamiento del lenguaje natural así como técnicas de evaluación de interacción hombre-máquina.

Breve reseña biográfica: Luz Rello es una investigadora española que empezó su trayectoria en el ámbito de la Lingüística en la Universidad Complutense de Madrid. Posteriormente realizó estudios en Procesamiento de Lenguaje Natural. En estos momentos se encuentra realizando su Tesis Doctoral en la Carnegie Mellon University (Pittsburgh, Estados Unidos) y ha sido acreedora de diversos premios nacionales e internacionales entre los que se encuentran el Premio a la Excelencia Académica de la Comunidad de Madrid 2007 – 2008, la Beca Google Anita Borg 2011 o la Beca Santander para Jóvenes Profesores e Investigadores 2012. En 2013, Rello Sánchez fue galardonada con el European Young Researchers’ Award (EYRA), el cual otorga la organización Euroscience, ​ por su trabajo de investigación en el área de ciencias de la computación y accesibilidad para personas con dislexia (ha sido la primera investigadora española en obtener este galardón).