El próximo martes 26 de marzo, a las 18:30h, tendrá lugar en el Tech Talent Center (c/Badajoz 73, Barcelona) la Openclass: "Deep Learning for Graphs and Sets", a cargo de Adriana Romero, investigadora en Facebook AI Research y profesora adjunta en la Universidad McGill.
El aprendizaje profundo ha logrado resultados notables en campos como la visión por computador, el reconocimiento del habla o el procesamiento del lenguaje natural. Más recientemente, ha habido avances en el aprendizaje de representaciones para grafos y conjuntos, un hecho que ha permitido importantes innovaciones en campos como la visión 3D, las redes biológicas y el análisis de redes sociales.
En esta charla, Adriana Romero presentará su trabajo en Redes de Atención sobre Grafos (Graph Attention Networks - GATs). La sesión comenzará con un repaso a las redes neuronales para el procesamiento de datos estructurados en grafos, poniendo especial énfasis en las convoluciones sobre grafos, destacando los retos que han motivado su trabajo. A continuación, presentará las GATs, una arquitectura de red neuronal que aprovecha las capas de auto-atención enmascarada para superar las limitaciones de métodos previos de convoluciones sobre grafos o sus aproximaciones. La segunda parte de la sesión se centrará en la predicción de conjuntos y las aplicaciones que se derivan. En concreto, se hablará sobre la importancia de modelar la co-ocurrencia de objetos en diversas tareas de predicción de conjuntos. Como caso de estudio, se presentará una solución a la generación automática de recetas a partir de imágenes con comidas, en la que los ingredientes son tratados como conjuntos.
Esta openclass se realizará EN INGLÉS.
La ponente
Adriana Romero es investigadora en Facebook AI Research Montreal y profesora asociada en la Universidad McGill. Actualmente está involucrada en varios proyectos relacionados con la intersección entre la generación condicionada de datos, multi-modalidad y datos estructurados como grafos. Previamente fue investigadora postdoctoral en Montreal Institute for Learning Algorithms (MILA), bajo la dirección de profesor Yoshua Bengio. Su investigación postdoctoral giró alrededor de técnicas de aprendizaje profundo para afrontar retos biomédicos, como las imágenes multi-modales, datos de alta dimensionalidad y estructuras de grafos. Obtuvo su doctorado en la Universidad de Barcelona en 2015 con una tesis sobre el entrenamiento de redes neuronales profundas con aplicaciones a la visión por computador, con la dirección del Dr. Carlo Gatta. Su doctorado incluía contribuciones en los campos del aprendizaje de representaciones y la compresión de modelos, con aplicaciones en la clasificación y segmentación de imágenes y la teledetección.
Esta sesión es abierta y gratuita. Para asistir, es necesario confirmar asistencia a través del formulario "QUIERO ASISTIR" que encontrarás a continuación. Plazas limitadas.