Buenos Aires, sede del nuevo Machine Learning Summer School

Del 18 al 30 de junio de 2018 se realizará una nueva edición del Machine Learning Summer School (MLSS), una escuela de verano que se celebra desde 2002 en diferentes universidades alrededor del mundo para difundir el conocimiento en los métodos y algoritmos empleados en el aprendizaje automático.

Esta vez será en Buenos Aires, en la Universidad Torcuato Di Tella. Destinada a investigadores, estudiantes de doctorado, postdoctorado y profesionales vinculados a la temática, ofrecerá clases de especialistas en la temática, y los alumnos presentarán sus trabajos de investigaciones en sesiones de póster. También habrá eventos sociales, presentaciones y networking con las empresas auspiciantes.



Desde sus comienzos, la escuela de verano ha tenido más de 30 ediciones (http://mlss.cc), ha contribuido al desarrollo del aprendizaje automático como campo de estudio y ha permitido a integrantes de la industria llevar a la práctica este conocimiento. El aprendizaje automático es un área interdisciplinaria que combina conocimiento de diversos campos académicos como la inteligencia artificial, las ciencias de la computación y la estadística.

Los Speakers del evento: David Blei, Daniel Hsu (Columbia University), Sergey Levine (University of California Berkeley), Emmanuel Candes (Stanford), Elad Hazan (Princeton), Tamara Broderick (MIT), Finale Doshi-Velez (Harvard), Marco Cuturi (Université Paris-Saclay), Frank Wood (Oxford), Neil Lawrence (Amazon), David Warde-Farley, David Pfau (DeepMind), Ryan Adams (Google Brain/Princeton), Hugo Larrochelle, Martin Abadi y Derek Murray (Google Brain).

En esta edición, convergen una gran cantidad de especialistas reconocidos a nivel mundial. "Como ejemplo, cito el caso de Emmanuel Candes, un matemático brillante que por su trayectoria ha sido reconocido con la llamada ‘beca a los genios’ (MacArthur Grant) otorgada a individuos que exhiben una originalidad y una dedicación excepcional”, puntualiza Mariano Gabitto, integrante del Comité Organizador del encuentro.

"El trabajo de Candes ha permitido descubrir algoritmos para reconstruir imágenes en casos en que haya datos faltantes. Supongamos que necesitamos tomar una imagen médica de muy alta resolución. Si podemos obtener la imagen en algunas ubicaciones espaciales e inferir las partes faltantes podemos adquirir la imagen en una fracción del tiempo original sin sacrificar su resolución. Esta simple idea ha tenido repercusiones en diversos campos desde la medicina hasta la biología molecular", agregó.

"Otro ejemplo lo representa David Blei, profesor de Estadística que ha recibido la Beca Guggenheim”, continuó Gabitto. "Uno de los retos de este siglo es el de interpretar la gran cantidad de datos que se generan en diversas aéreas del conocimiento como la medicina, genética o incluso relacionado los datos generados por usuarios de internet. Blei ha creado algoritmos estadísticos que permiten procesar una enorme cantidad de datos y obtener patrones que sintetizan estos datos".