AI/Machine Learning y Open Source: algunas novedades y ejemplos

No te lo puedes perder si te interesa AI / Machine Learning en el marco de las tecnologías Open Source!

** IMPORTANTE, no te olvides de traer tu DNI u otro documento identificativo para poder acceder por el control de seguridad.

** 18:30 – 18:45: Intro y bienvenida – Victoria Gómez, IBM Big Data sales leader para Europa

** 18:30 - 19:15: From San Francisco to Madrid: Center for Open-Source Data & AI Technologies comes to you! - Luciano Resende, Data Science Platform Architect at IBM CODAIT (formerly Spark Technology Center).

CODAIT team contributes to over 10 open source projects. These projects include: Spark, Tensorflow, Keras, SystemML, Arrow, Bahir, Toree, Livy, Zeppelin, R4ML, Stocator, Jupyter Enterprise Gateway. http://codait.org

Luciano has been contributing to open source at The ASF for over 10 years, he is a member of ASF and is currently contributing to various big data related Apache projects around the Apache Spark ecosystem. Currently, Luciano is contributing to Jupyter Ecosystem projects building scalable, secure and flexible Enterprise Data Science platform.

** 19:15 – 20:00: AbadIA del crimen II. Detalle de como aplicamos Machine Learning - Juan Tomás García, OpenSistemas

Ante el interés que suscitó en la edición anterior, Juan Tomás nos explicará los detalles de la tecnología de Machine Learning que ha aplicado para poder resolver el juego de la Abadía del Crimen.

Juan Tomás es Data Solution Manager en OpenSistemas y External advisor for Deep Learning hyperspectral image classification for EE project

** 20:00 – 20:30: Aplicaciones de algoritmos de aprendizaje escalables, Esteban Garcia Cuesta, Universidad Europea de Madrid

En esta ponencia se expondrán técnicas de reducción de la dimensionalidad y algoritmos de aprendizaje automático que son escalables y han sido aplicados con éxito en aplicaciones como la predicción de opinión, modelado de usuarios, predicción temprana de enfermedades o neuroimagen.

Esteban García Cuesta es profesor del área de Ciencias de la Computación de la Universidad Europea de Madrid e investigador principal del grupo de investigación “Data Science Laboratory / Análisis y Aprendizaje a partir de grandes cantidades de datos” el cual se focaliza en el desarrollo de técnicas de aprendizaje automático y nuevas aplicaciones en las áreas de computación afectiva, análisis big data, sistemas de recomendación, sistemas aumentativos alternativos, neuroimagen, teledetección IR, y detección temprana de enfermedades.

**20:30 - 21:20 - Pizzas y networking

TE ESPERAMOS!!!