Embed Size (px)
Citation preview
El encuentro anual más importante de Inteligencia Computacional /
Artificial con la participación de prestigiosos investigadores nacionales
e internacionales presentando Ponencias y Tutoriales con los mas
recientes avances y desarrollos de IC / IA en ciencias, modelamiento,
salud, aplicaciones científicas, tecnológicas, comerciales e industriales
Programa día 1 - miércoles 12 de diciembre
Hora
08:30 — 09:00 Registro -Bienvenida
09:00 —10:00 ”SVM a través del Tiempo para Determinar la Autorregulación de Flujo Sanguíneo Cerebral”
. Universidad de Santiago de Chile
10:00 —11:00 ”Fuzzy and Neural Network Prediction Intervals: Planning, Forecas-ting and Control of Microgrids”
Universidad de Chile.
11:00 —11:30 COFFEE BREAK
11:30 —13:00 ”IC en interfaces Cerebro-Máquina”
Pontificia Universidad Católica de Río de Janeiro, Brasil.
13:00 —14:00 ALMUERZO
14:00 —15:30 ”Tecnologías Multiprocesado-res y GPU”
Universidad de Santiago de Chile.
“Acceso a Datos Astronómicos y Análisis en Python Notebooks”
Universidad de Valparaíso.
15:30 —16:00 COFFEE BREAK
16:00 —17:30 ”Inteligencia Artificial en la Empresa Privada Chilena”
Webdox legal informatics & data.
”The Universe in a Stream: the Challenge of Astronomical Alert Brokers”
Universidad de Chile.
17:30 —19:00 ”Aplicación de Modelos Gene-rativos en Bioinformática”
Teselagen
”Aplicación de Inteligencia Artifi-cial como Apoyo Diagnóstico para la Prevención de la Ceguera”
DART.
19:00 —19:30 Mesa Redonda: “Inteligencia Computacional e Innovación”
19:30 CIERRE PRIMERA JORNADA
Hora
08:30 — 09:00 Registro
09:00 —10:30 ”Transfer Learning Through Semi-supervised Deep Generative Models”
Harvard University.
10:30 —11:00 COFFEE BREAK
11:00 —12:30 ”Computational Intelligence Applications in Healthcare - parte I”
Natural Selection, Inc.
12:30 —14:00 ALMUERZO
14:00 —15:30 “La Retina como Máquina de Cómputo”
. Universidad Técnica Federico Santa María.
”Deep learning in Astronomy: Images and Light Curves”
Universidad de Concepción.
15:30 —16:00 COFFEE BREAK - Inicio Concurso de Posters
16:00 —17:00
Concurso de Posters
17:00 —18:30 "Non-parametric Cluster Analysis of Human Optical Brain Imaging data”
Pontificia Universidad Católica, Chile.
”Latent Representations for Astro-nomical Data Analysis Using Varia-tional Autoencoders”
Universidad Austral.
18:30 —19:30
Recepción y Premiación Concurso de Posters
19:30 CIERRE SEGUNDA JORNADA
Programa día 2 - jueves13 de diciembre
Hora
08:30 — 09:00 Registro
09:00 —10:30 ”Computational Intelligence Applications in Healthcare - parte II”
Natural Selection, Inc.
10:30 —11:00 COFFEE BREAK
11:00 —12:30 ”Generative Adversarial Network for Time Series with Not Fixed Time Length and Time Intervals”
Harvard University.
12:30 —14:00 ALMUERZO
14:00 —15:30 “SVM y Redes Neuronales Convolucionales para Recono-cimiento de Patrones en Seña-les Sísmicas de los Volcanes”
Universidad de la Frontera, Temuco, Chile.
”Data Orchestration with Spark”
Universidad de Chile.
15:30 —16:00 COFFEE BREAK
16:00 —17:30 “Aplicaciones Biomédicas en Chile”
Universidad de Chile.
“Machine Learning for Self-calibration”
Universidad de Santiago de Chile.
17:30 CLAUSURA DEL CONGRESO
Programa día 3 - viernes 14 de diciembre
La Dra. Marley Rebuzzi Vellasco recibió los grados de licenciada y de magíster en Ingeniería Eléctrica de la Pontificia Universidad Católica do Rio de Janeiro, Brasil, en 1984 y 1987, respecti-vamente, y el de doctora en Ciencia de la Computación de University College London en 1992. La Dra. Vellasco es actualmente Directora del Departamento de Ingeniería Eléctrica de la PUC-Rio y dirige el Laboratorio de Inteligencia Computacional y Robótica de la misma institución. Es autora de cuatro libros y mas de 45 artículos en revistas profesionales, 300 artículos de confe-rencias y 15 capítulos de libros en las áreas de soft computing y aprendizaje de máquinas. Sus líneas de investigación incluyen redes neuronales, lógica difusa, sistemas neuro-difusos, mode-los neuro-evolucionarios, robótica y agentes inteligentes, aplicados a los sistemas de apoyo en la toma de decisiones, clasificación de patrones, predicción de series de tiempo, el control, la optimización y la minería de datos.
Pavlos Protopapas recibió su doctorado en física teórica de la Universidad de Pensilvania. Mien-tras estuvo en Penn, se desempeñó como director asociado del National Scalable Cluster Pro-ject (NSCP), uno de los intentos iniciales de computación distribuida a gran escala en un modelo de grillas. Colaborador activo y mentor en la comunidad de investigación de astroestadística, Protopapas es investigador del Centro Harvard-Smithsoniano de Astrofísica, y se desempeñó como científico principal / líder de proyecto para el Time Series Center, un proyecto lanzado por la Iniciativa de Harvard en Innovative Computing. Sus intereses de investigación se encuen-tran en los tránsitos planetarios, el sistema solar exterior, la variabilidad fotométrica, la micro-lentecia; en ciencias de la computación le interesan las grandes bases de datos y la minería de datos en astronomía, con énfasis en la extracción de características, detección de anomalías y búsquedas de similitud en series de tiempo. En el Institute for Applied Computational Sciece, IACS, enseña y guía a estudiantes como profesor de ciencias computacionales. Junto con Efthi-mios Kaxiras, creó Applied Math 207, un curso básico del IACS en métodos de optimización es-tocástica, popular entre los estudiantes de las disciplinas de ciencia social, ciencias e ingeniería.
El Dr Gary Fogel tiene mas de 25 años de experiencia en la aplicación de inteligencia compu-tacional a problemas de la vida real. Recibió el grado de doctor en biología de la Universidad de California, Los Angeles, en 1998, y el de licenciado en biología, de la Universidad de California, Santa Cruz, en 1991. El trabajo del Dr Fogel incluye aplicaciones en biomedicina desde descubri-miento de fármacos a tests de diagnósticos y optimización de procesos y precios. El Dr Fogel es IEEE Fellow y ha recibido premios de Sigma Xi y otras organizaciones por su trabajo en análisis predictivo utilizando métodos de aprendizaje de máquinas.
:
