Cartel

OBJETIVO

Difundir conocimiento de vanguardia en el área de la ciencia de datos y el aprendizaje automático con el uso de servidores especializados, estimular la vocación científica de los participantes y contribuir a la generación de recursos humanos altamente especializados.


DIRIGIDO A

Estudiantes de últimos semestres de licenciatura que tengan interés en la ciencia de datos y el aprendizaje automático.


FECHA

Del 7 al 11 de noviembre de 2022.


DURACIÓN

30 horas (6 horas diarias).

De 9:00h a 13:00h y de 15:00h a 17:00h horario del Noroeste de México.


MODALIDAD

1. Grupo presencial* de 20 personas en las instalaciones del Centro de Investigación y Desarrollo de Tecnología Digital (CITEDI) del Instituto Politécnico Nacional (IPN) en Tijuana, Baja California, México.

Se llevará a cabo un proceso de selección si el número de solicitudes presenciales excede el número de lugares disponibles.

2. Transmisión simultánea vía Webex. Si te interesa tomar el taller de manera presencial, la fecha límite para el registro es el 30 de octubre. Ninguna de las modalidades del taller tiene costo.

* Los gastos derivados de la asistencia al taller (traslados, comidas) corren por cuenta del interesado.

PROGRAMA






TEMARIO





INSTRUCTORES

Dr. Juan José Tapia Armenta
El Dr. Juan Tapia estudió la Lic. en Física y Matemáticas en el IPN, obtuvo las maestrías en Sistemas Digitales y en Ciencias de la Computación en el CITEDI-IPN y el CICESE respectivamente, así como un doctorado en ciencias de la Computación en el CICESE.
Es profesor titular de los cursos: Matemáticas Avanzadas, Computación Paralela y Distribuida, Programación Avanzada en Procesadores Gráficos y Cómputo de Alto Rendimiento en Procesadores Gráficos de los Programas de Maestría y Doctorado del CITEDI-IPN. Además, colabora en la línea de investigación cómputo inteligente de alto rendimiento, ha dirigido dos tesis de licenciatura, tres tesinas de especialidad, 16 tesis de maestría y dos de doctorado, en las áreas de modelado matemático, sistemas inteligentes y cómputo de alto rendimiento. También ha dirigido doce proyectos de investigación, entre ellos un proyecto de la convocatoria UC-MEXUS en colaboración con la Universidad de California en Santa Barbara, tiene cinco artículos publicados en revista JCR y cuatro artículos en revistas arbitradas.
En sus sesiones, se expondrán las características de los servidores del Lab. de Ciencia de Datos, el mecanismo de acceso remoto para usar los servidores. Se presentarán las características de la programación en Python y se indicará la manera de desarrollar programación de alto rendimiento en CUDA.
Además, se presentarán los conceptos de ciencia de datos, se resaltará la importancia del preprocesamiento datos masivo y se mostrarán aplicaciones de ciencia de datos ejecutandose en los servidores. También se introducirá en el uso de herramientas de ciencia de datos y aprendizaje automatico en procesadores gráficos.

Dr. Oscar Humberto Montiel Ross
Doctor en Ciencias egresado de la Universidad Autónoma de Baja California. Profesor-Investigador del Instituto Politécnico Nacional en CITEDI desde 1985. Coordinador de la línea de Investigación Cómputo Inteligente de Alto Rendimiento. Miembro del Sistema Nacional de Investigadores Nivel 2. Miembro fundador de la Hispanic-American Fuzzy System Association (HAFSA). Miembro Senior de la IEEE.
Gran parte del trabajo de investigación está relacionado con la inteligencia computacional y la computación cuántica, en donde ha realizado aportaciones científicas en la solución de problemas matemáticos de optimización; en propuestas teóricas en lógica difusa para el manejo del conocimiento en conflicto de los expertos; en el desarrollo de algoritmos para planificación de trayectoria, los cuales son un componente esencial en la robótica y automatización; en el manejo de la incertidumbre del conocimiento mediante propuestas novedosas que reducen el costo computacional de los sistemas difusos de tipo -2, este trabajo fue merecedor de un reconocimiento internacional otorgado en el 2009; en cómputo cuántico en el desarrollo de una plataforma computacional altamente eficiente, en la detección de micro-calcificaciones para la detección temprana del cáncer de mama, y algoritmos evolutivos cuánticos.
También ha trabajado en el desarrollo de modelos matemáticos farmacocinéticos poblacionales para el desarrollo de fármacos enfocados en las características demográficas de la comunidad a la que se le vaya a administrar, y en detección de patrones encefalográficos para la detección de la fatiga mental. A la fecha, ha publicado 60 artículos internacionales en revistas de prestigio tales como Scientific Reports-Nature, Information Sciences, Applied Soft Computing, IEEE Access, entre otras. Ha publicado 62 capítulos de libro, principalmente en Springer, 4 libros, ha impartido más de 30 conferencias internacionales y nacionales.
Director de tesis de 5 doctores y 36 maestros en ciencias. Ha registrado y/o patentado 15 productos. Sus trabajos de investigación cuentan con más de 3000 citas. En el 2016 fue galardonado por el IPN con el Diploma a la Investigación con base en que ha destacado en el campo de la investigación científica y en el desarrollo tecnológico con aportaciones reconocidas nacional e internacionalmente. Actualmente, está editando tres números especiales en revistas internacionales de alto impacto.
En sus sesiones se presentarán problemas característicos que justifican la investigación y desarrollo de las computadoras cuánticas. Se comentan los fundamentos físicos y matemáticos del cómputo cuántico. Se describirá la unidad básica de información cuántica llamada qubit y las compuertas cuánticas simples, así como la metodología básica de programación. Así mismo, mediante un simulador cuántico se analizará el efecto de aplicar compuertas cuánticas a los qubits, y se presenta un ejemplo de aplicación.

Dr. Moisés Sánchez Adame
El Dr. Moisés Sánchez Adame, obtuvo su Doctorado en Ingeniería con concentración en redes y sistemas de comunicación; en CETYS Universidad, Campus Mexicali. 1998-2003. Así mismo, obtuvo un grado de Maestría en Ciencias en Sistemas Digitales, en el CITEDI-IPN, 1986-1998. Es Ingeniero en Comunicaciones y Electrónica, con especialidad en Electrónica, ESIME-IPN, 1981-1986. Posee una amplia experiencia docente desde 1986, y ha realizado investigación científica y aplicada desde el año 2000. Actualmente colabora en la línea de Investigación de Cómputo Inteligente de Alto Rendimiento del CITEDI-IPN.
Ha publicado más de 30 trabajos tanto en foros nacionales como internacionales. Ha participado en más de 10 proyectos de investigación y de desarrollo tecnológico. Ha dirigido tres tesis de Doctorado y cinco tesis de Maestría, además de un gran número de tesis de Ingeniería.
Sus áreas de interés son la ciberseguridad, Inteligencia Artificial y la computación cuántica. Miembro de la red de expertos en Telecomunicaciones, Miembro de la asociación de egresados del IPN. Miembro de la sociedad de honor para académicos internacionales PHI.
En sus sesiones se presentarán definiciones del aprendizaje automático (ML), un ejemplo que emplea el ML. Se explican algunas razones por las cuales emplear ML haciendo uso de un ejemplo con enfoque tradicional y uno con ML. Se continúa con los diferentes tipos de ML como el aprendizaje supervisado y no supervisado y se mencionan los algoritmos más importantes para cada uno. Posteriormente, se aborda brevemente el tema del aprendizaje reforzado.
Se introducirá el concepto de dataset, también conocido como dataframe ó conjunto de datos. Se continuará con el concepto de una neurona artificial, el perceptrón de Rosemblatt y su algoritmo de entrenamiento, el cual, posteriormente, se emplea para resolver un problema sencillo. Abordará el concepto de la Neurona Lineal Adaptable (ADALINE) y las funciones de activación y de umbral. Se estudia el proceso de minimización de funciones de costo con el descenso del gradiente. Se presentan también ejemplos de implementación en Python. Por último se aborda el tema de redes neuronales artificiales, aprendizaje profundo y se presenta un ejemplo de aplicación en un proyecto de investigación.

M. en C. Cynthia Valeria Olvera Pimentel
Estudiante del programa de doctorado en ciencias en sistemas digitales del Instituto Politécnico Nacional. Tiene 4 publicaciones científicas y ha participado en un congreso internacional. Sus intereses son el cómputo inteligente cuántico, el aprendizaje automático y la optimización.
En sus sesiones presentará cómo la computación cuántica ha prometido revolucionar ciertas tareas computacionales. Aunque las computadoras cuánticas de propósito general aún se encuentran a décadas y miles de qubits lejos de ser una realidad, es posible simular su funcionamiento en las computadoras clásicas actuales.
La simulación de una computadora cuántica requiere de un alto poder de procesamiento y memoria. En este taller se explora el uso de una unidad de procesamiento gráfico NVIDIA para la simulación de operaciones cuánticas y mediciones de un registro cuántico.

Ing. Daniel Alejandro López Montiel
Daniel Alejandro Lopez Montiel se graduó en Ingeniería Biomédica en el Tecnológico Nacional de México - Instituto Tecnológico Tijuana (ITT-TecNM), en el año 2021. Actualmente, se encuentra realizando su Maestría en Ciencias en Sistemas Digitales en el Centro de Investigación y Desarrollo de Tecnología Digital (CITEDI). Sus principales intereses de investigación son el aprendizaje máquina, aprendizaje profundo, ciencia de datos, cómputo cuántico, computación paralela y el aprendizaje máquina cuántico.
En sus sesiones se presentan los fundamentos de algoritmos genéticos y computación paralela con énfasis en MPI. Se explica el problema del Agente Viajero y su solución paralela. Se ejemplifica en forma práctica la implementación del algoritmo genético utilizando MPI, y se calcula su "speedup'' respecto a su forma secuencial.

M. en C. Miguel Ángel López Montiel
Miguel Ángel López Montiel recibió el título en Ingeniería en Computación por la Universidad Autónoma de Baja California (UABC), Tijuana, México, en 2017, y su Maestría en Ciencias en Sistemas Digitales por el Centro de Investigación y Desarrollo de Tecnología Digital (CITEDI), Tijuana, en 2020, donde actualmente realiza su doctorado. Sus intereses de investigación actuales incluyen el aprendizaje de máquina automatizado, aprendizaje profundo, búsqueda de arquitectura de red neuronal y aplicaciones de visión por computadora para vehículos autónomos y robótica.
En sus sesiones se expondrá cómo hoy en día el desarrollo de vehículos autónomos en el sector industrial sigue en crecimiento, diversos trabajos científicos estiman que en la próxima década se empezará a estandarizar esta tecnología en varios países; sin embargo, esto depende de los avances en el desarrollo de los sistemas avanzados de conducción autónoma, los cuales tienen como objetivo alcanzar el nivel máximo de autonomía para cumplir con esta estimación.
Estos sistemas se componen de diferentes subsistemas para realizar diversas tareas, como la detección de objetos. En esta plática se presentarán los avances y retos en el desarrollo de los algoritmos de detección basados en aprendizaje profundo para vehículos autónomos.


REGISTRO


Total : 0 palabras.