Category Archives: Events

Aqui se pueden apreciar los diversos eventos organizados por el GRPIAA

Café GRPIAA: IoT Big Data Stream Mining

Ponente : Albert Bifet

Fecha : Viernes 26 de Agosto a las 5:30 pm

Lugar : Aula A408

Registro : enlace al formulario

Abstract: Big Data and the Internet of Things (IoT) have the potential to fundamentally shift the way we interact with our surroundings. The challenge of deriving insights from the Internet of Things (IoT) has been recognized as one of the most exciting and key opportunities for both academia and industry. Advanced analysis of big data streams from sensors and devices is bound to become a key area of data mining research as the number of applications requiring such processing increases. Dealing with the evolution over time of such data streams, i.e., with concepts that drift or change completely, is one of the core issues in stream mining. In this talk, I will present an overview of data stream mining, and I will introduce  some popular open source tools for data stream mining.
 

Bio:
Albert Bifet is Associate Professor at Telecom ParisTech and Honorary Research Associate at the WEKA Machine Learning Group at University of Waikato. Previously he worked at Huawei Noah's Ark Lab in Hong Kong, Yahoo Labs in Barcelona, University of Waikato and UPC BarcelonaTech.

He is the author of a book on Adaptive Stream Mining and Pattern Learning and Mining from Evolving Data Streams. He is one of the leaders of MOA and Apache SAMOA software environments for implementing algorithms and running experiments for online learning from evolving data streams. He is serving as Co-Chair of the Industrial track of IEEE MDM 2016, ECML PKDD 2015, and as Co-Chair of BigMine (2015, 2014, 2013, 2012), and ACM SAC Data Streams Track (2016, 2015, 2014, 2013, 2012).

* La charla será en español.

Impresee: Buscador de Productos por Imágenes y Sketches / Experiencia desde la Academia a la Industria

Ponente : Dr. José Saavedra

Fecha : Viernes 22 de Julio a las 10:30 am

Lugar : B101 (1er piso Biblioteca del Complejo de Innovación)

 

 

RESUMEN

En los últimos años, la masificación de dispositivos móviles junto con la creciente capacidad de procesamiento han hecho que las aplicaciones basadas en aprendizaje de máquina y visión por computador sean, hoy,  no sólo el foco de las grandes empresas tecnológicas sino también el centro de exitosos emprendimientos.  Siguiendo esta línea, en esta charla se presenta Impresee, una novedosa tecnología, basada en algoritmos de visión por computador, que permite a los usuarios buscar eficiente y efectivamente productos en catálogos a través de imágenes y sketches (dibujos). Impresee mezcla dos mundos altamente separados en nuestra región, el mundo académico  y el industrial, y ha recibido importantes reconocimientos en ambos ámbitos. Desde el punto de vista académico, Impresee hace uso de algoritmos de vanguardia, producto de la investigación desarrollada por sus propios fundadores. Desde el punto de vista industrial, Impresee es una solución que permite, potencialmente, aumentar la ventas del sector retail a través de captar oportunamente la necesidad de compra de los clientes.  En esta charla se describe la experiencia de cómo llevamos nuestra  investigación a un resultado tangible para la industria junto con los mecanismos utilizados para sustentar esta aventura. Además, discutiremos algunos aspectos técnicos de los algoritmos más relevantes de Impresee.

 

Impresee: http://impresee.com/

 

BIO

José M. Saavedra obtuvo el grado de Doctor en Ciencias de la Computación de la Universidad de Chile (2013),  el grado de Magíster en Ciencias de la Computación y el título de Ingeniero Informático de la Universidad Nacional de Trujillo, Perú. Actualmente, es uno de los investigadores principales de Orand S.A. y co-fundador de Impresee. Además, es profesor part-time del DCC de la Universidad de Chile, teniendo a su cargo los cursos de Procesamiento y Análisis de Imágenes y Reconocimiento de Patrones. José M. Saavedra también ha sido beneficiado con diferentes financiamientos del gobierno chileno como “Beca de Doctorado-CONICYT”, “PAI-CONICYT”, y recientemente se adjudicó un fondo de Iniciación-FONDECYT. Sus áreas de interés incluyen reconocimiento de patrones, visión por computador y aprendizaje de máquinas.

Call for papers – WRPIAA 2015

The goal of this workshop is to provide a forum for industry, engineers, researchers and students to discuss the state-of-the-art in pattern recognition and applied artificial intelligence. The key idea is to present recent developments in this field and their application to real-world problems The workshop is a scientific event organized by the GRPIAA-PUCP Research Group and will take place in Lima-Peru, at the Pontificia Universidad Católica del Perú, between 15 and 16 December, 2015.

Important dates:

  1. Paper submission deadline: November 20th, 2015
  2. Paper acceptance notification: November 27th,2015
  3. Paper camera-ready deadline: December 2nd, 2015
  4. Workshop: December 15-16,2015

More information

Cafe GRPIIA : Redes Booleanas y su aplicación en la regulación genética

Expositor: Dr. Ronaldo Fumio Hashimoto  (University of Sao Paulo, Brasil)
 
Abstract: A popular model for gene regulatory networks is the Boolean network model. In this talk, we recall a boolean model for yeast cell cycle and present the inference of the Boolean network from time-series data as a constraint satisfaction problem (CSP). We will see that this problem is ill-posed since in the sense it may have many possible solutions, or even perhaps none, having the desired properties. Then, we will present some constraint-based analysis to find gene relationships. 
 
Fecha: Jueves 15 de Octubre 
Hora: 18h00
Lugar: Aula B100 (Polivalente Biblioteca)
Incripciones en el siguiente enlace
 
Informacion del expositor:

Taller de optimización combinatoria

Fecha y hora: martes 6 de octubre a las 15:00 hrs

Lugar: aula A507

Para quienes proceden de fuera de la PUCP, a efectos de autorizar ingreso al campus, favor inscribirse en el siguiente link

Programa:

15:00 hrs.   Sistemas Multi-Agentes utilizando Aprendizaje por Refuerzo: Aplicación en Petróleo – Álvaro Talavera
16:00 hrs.   Algotirmos Evolutivos con Inspiración Cuántica, Modelos clásicos y nuevos modelos para problemas de Optimización Combinatoria-Yvan Tupac
17:00 hrs    Técnicas de optimización para el diseño de rutas de transporte público en Lima – GRPIAAA
 

TITULO: Sistemas Multi-Agentes utilizando Aprendizaje por Refuerzo: Aplicación en Petróleo

Expositor : Alvaro Talavera

Una cuestión fundamental en el área de neurociencia comportamental concierne en los proceso de decisión, por el cual animales y seres humanos selecciona acciones en el sentido de la recompensa y punición. Una técnica computacional que emula este sistema de aprendizaje es aprendizaje por refuerzo o “Reinforcement Learning – RL”. La presentación abordara una introducción a la teoría de Agentes y sistemas Multi-Agentes por mediante de RL y una aplicación en la producción oleo en un reservatorio de petróleo.

short Bio:

Posee graduación en Ingeniería Electrónica en la Universidad Católica de Santa María (2002). Maestría en Ingeniería Eléctrica por la Pontificia Universidad Católica do Rio de Janeiro (2010), con especialidad en métodos de apoyo a decisión utilizando inteligencia computacional aplicada. Doctor en Ingeniería Eléctrica en la Pontificia Universidad Católica do Rio de Janeiro (2014) con especialidad en el área de procesamiento de señales, control y automatización. Investigador principal en el Grupo de Tecnologia e Engenharia de Petróleo, GTEP – Brasil (2012). Coordinador de investigación de en Laboratorio de Inteligencia Computacional Aplicada – Puc-Rio (2014). Actualmente, profesor del Departamento Académico de Ingeniería, de la Universidad del Pacífico (2015). Áreas de Investigación: Inteligencia computacional, métodos de apoyo a decisión, Teoría de multi-agentes,Optimización, Control robusto y sistemas de control distribuidos.

 

TITULO: Algotirmos Evolutivos con Inspiración Cuántica, Modelos clásicos y nuevos modelos para problemas de Optimización Combinatoria.

Expositor: Yván J. Túpac Valdivia

Esta presentación mostrará el surgimiento de los algoritmos de Inspiración Cuántica, que basados en el paradigma de Computación Cuántica logran implementar heurísticas de búsqueda dirigida más eficientes que los modelos basados en el paradigma Neo-darwiniano. Se mostrará el modelo basado en Q-bits QIEA-B, y una nueva propuesta llamada G-QIEA que extiende el mecanismo de búsqueda a problemas de optimización combinatoria más genéricos, mostrando ejemplos y comparaciones con los modelos QIEA-B y modelos evolutivos convencionales notándose que estos modelos son más eficientes tanto en la rapidez de la búsqueda como en el uso de recursos computacionales.

short Bio:

Con pregrado en Ingeniería Electrónica (UNSA, 1995), Maestría en Ingeniería Eléctrica (PUC-Rio, 2000) y Doctorado (PUC-Rio, 2005) en Ingeniería Eléctrica. Trabaja actualmente como docente e investigador acreditado en Ciencia de la Computación en la Universidad Católica San Pablo (UCSP). Posee experiencia en Ciencia de la Computación con énfasis en Inteligencia Computacional (Redes neuronales, algoritmos evolutivos, lógica difusa, aprendizaje por refuerzo, sistemas clasificadores) y actuación principal en proyectos de Investigación y Desarrollo en Ingeniería de Petróleo, Energía Eléctrica, Evaluación de Proyectos, Análisis de Riesgo, Control y Automatización de Procesos, Sistemas de redes de Comunicación, Computación Distribuida, Sistemas Electrónicos y Digitales.

Participa de las siguientes sociedades: Society of Petroleum Engineers (SPE), Sociedad Peruana de Computación (SPE), Institute of Electrical and Electronic Engineers (IEEE) en las Sociedades de Computación (IEEE-CS) y de Inteligencia Computacional (IEEE-CIS), También es revisor de Journal of Petroleum Science and Engineering (Elsevier), miembro del cuerpo editorial de la Revista CompuScientia (Peru), miembro del LA-CCI Steering Committee, CLEI Committee y ganador de los Premios Petrobras de Tecnología edición 2005 y 2007.

 

Cafe GRPIAA Big (Rich) Data

Tema: Big (Rich) Data
Expositor: Dr. Osmar R. Zaiane (University of Alberta – Canada)
Lugar: Sala B100 (Polivalente del sótano 1 de la Biblioteca)
Fecha: Jueves 10 de Setiembre 2015.
Hora: 18:00 hrs.

 

 
Para quienes proceden de fuera de la PUCP, a efectos de autorizar ingreso al campus, favor inscribirse en el siguiente link
 
Short bio:
Osmar R. Zaiane is a Professor in Computing Science at the University of Alberta, Canada, and Scientific Director of the Alberta Innovates Centre for Machine Learning (AICML). Dr. Zaiane joined the University of Alberta in July of 1999. He obtained a Master's degree (DEA) in Electronics at the University of Paris, France, in 1989 and a Master's degree in Computer Science at Laval University, Canada, in 1992. He obtained his Ph.D. from Simon Fraser University, Canada, in 1999 under the supervision of Dr. Jiawei Han. His Ph.D. thesis work focused on web mining and multimedia data mining. He has research interests in novel data mining algorithms, web mining, text mining, image mining, social network analysis, and health informatics. He has published more than 150 papers in refereed international conferences and journals, and taught on all six continents. Osmar Zaiane was the Secretary-Treasurer of the ACM SIGKDD (Special Interest Group on Data Mining) and treasurer of ACM SIGHIT (Special Interest group on Health Informatics). He was the Associate Editor and Editor in Chief of the ACM SIGKDD Explorations from 2003 to 2010. He is also Associate Editor of the Knowledge and Information Systems, an International Journal, by Springer, and of the journal Data Mining and Knowledge Discovery by Springer, as well as the International Journal of Internet Technology and Secured Transactions. He was the General Chair of the IEEE International Conference on Data Mining ICDM 2011. Osmar Zaiane received the ICDM Outstanding Service Award in 2009 and the 2010 ACM SIGKDD Service Award.
Links: 
 

 

 

 

Análisis de Simetrías en Objetos 3D y su Aplicación a la Arqueología

Lugar: Aula A100 – Sala Multi-uso del Pabellón A.
Fecha: Miercoles 26 de Agosto
Hora: 18:00 hrs.
Inscripciones en el siguiente enlace

Resumen del tema:

Esta presentación aborda el análisis de simetrías en objetos 3D desde dos diferentes perspectivas: algorítmica y aplicativa. Desde el punto de vista algorítmico, la idea es proponer e implementar algoritmos eficientes para la detección de simetrías (tanto rígidas como no rígidas) en objetos 3D. El problema es más desafiante si consideramos la detección de simetríasen objetos incompletos, escenario común en objetos arqueológicos, que por su antigüedad y estado de conservación requieren ser reconstruidos computacionalmente. Desde el punto de vista de la aplicación, el software diseñado permitirá  recuperar  material arqueológico que constituye la de herencia cultural de nuestro país. El modelo computacional a desarrollar, no solo deberá considerar el aspecto morfológico/geométrico de los objetos arqueológicos, sino también lo relacionado al color y textura, características importantes de los restos de las culturas peruanas a diferencia de otras culturas. 

Short bio

Ivan Sipiran es investigador en la PUCP (Grupo de Reconocimiento de Patrones e Inteligencia Artificial Aplicada), Sección Ingeniería Informática. Realizó su post-doc en la Universidad de Konstanz – Alemania. Obtuvo su doctorado en Ciencia de la Computación en el DCC de la Universidad de Chile, bajo la supervisión del Dr. Benjamín Bustos. Fue investigador asistente en el grupo científico PRISMA de la UChile. Recibió el bachillerato en Ciencia de la Computación por la Universidad Nacional de Trujillo, donde también fue profesor de la Escuela de Computación. Es miembro de la Sociedad de Estudiantes de Ciencia de la Computación – SECC.

Sus líneas de interés son:

–       Simetría en objetos 3D

–       Búsqueda por similitud en 3D

–       Procesamiento geométrico

–       Visión computacional

Secluded Connectivity Problems, and US Grad School

Expositor: Matthew P. Johnson (City University of New York – CUNY)

Fecha: Miércoles 12 de Agosto de 2015

Hora: 18:00 hrs.

Lugar: Sala E -VEO (Pabellón Mac Gregor – primer piso)

Para visitantes externos a la PUCP, favor inscribirse en el siguiente link, a efectos de autorizar el acceso al campus: https://docs.google.com/forms/d/1s45c_5yd9MMV7qU52KUZNx38ah7u4oxC3tYfhGf_t3o/viewform?usp=send_form

Actualizacion (13/08/15)

Las diapositivas de la presentacion se encuentran en el siguiente enlace

 
Abstract: In this talk I will present an example of research problema studied by my group, and I will then discuss applying to and excellingin US computer science PhD programs.

Consider a setting where possibly sensitive information sent over a path in a network is visible to every neighbor of the path, i.e., every neighbor of some node on the path, thus including the nodes on the path itself. The exposure of a path $P$ can be measured as the number of nodes adjacent to it, denoted by $N[P]$. We show that on unweighted undirected $n$-node graphs, the problem of finding the minimum exposure path connecting a given pair of vertices is strongly inapproximable, i.e., hard to approximate within a factor of $O(2^{\log^{1-\epsilon}n})$ for any $\epsilon>0$ (under an appropriate complexity assumption), but is approximable with ratio $\sqrt{\Delta}+3$, where $\Delta$ is the maximum degree in the graph.
One of our main results concerns the class of bounded-degree graphs, which is shown to exhibit the following interesting dichotomy. On the one hand, the minimum exposure path problem is NP-hard on node-weighted or directed bounded-degree graphs (even when the máximum degree is 4). On the other hand, we present a polynomial algorithm (based on a nontrivial dynamic program) for the problem on unweighted undirected bounded-degree graphs.

Finally, I'll talk about going to grad school in the US: what makes a strong application, how to prepare, and what to do once you're there.

Matthew P. Johnson is assistant professor at Lehman College and the Graduate Center of the City University of New York (CUNY). He received his PhD in computer science from CUNY in 2010 and, after postdocs at Penn State and UCLA, joined in the CUNY faculty in 2013. His current research interests focus on algorithms, including approximation algorithms and algorithmic game theory. As an undergrad he studied philosophy and math at Columbia and at Lawrence University.


My research is mostly in "applied theoretical computer science".

Café GRPIAA – Procesamiento de Señales en el Estudio de la Dinámica de los Ríos

logoCafe

Título: Procesamiento de Señales en el Estudio de la Dinámica de los Ríos

Expositor: Dr. Ronald Roger Gutierrez Llantoy

El procesamiento de señales se basa en la representación, transformación y manipulación de señales para su ampliación e interpretación de las mismas, las cuales pueden provenir de diferentes fuentes. Por otro lado, distintas áreas o disciplinas se enfocan en el procesamiento de señales, entre las cuales se encuentran las siguientes: telecomunicaciones, medicina, arqueología, informática, etc.

Dentro de los diferentes tipos de procesamiento de señales, por su naturaleza, uno de los más conocidos e importantes es el procesamiento analógica de señales. Por ejemplo, los filtros electrónicos son utilizados en los radios y telefonía.

El comportamiento de las señales también puede ser modelado matemáticamente y se representa en un domintio de tiempo y frecuencia. Asimismo, dentro de las herramientas más conocidas para tratar esos modelos matemáticos son la transformada de Fourier, transformada de Laplace, transformadas tipo Wavelet, entre otros.
Para conocer un poco más sobre los puntos mencionados anteriormente y su aplicación en el estudio de dinámica de ríos, les invitamos a participar de este Café gratuito, el cual se llevará a cabo en el aula 502 del Pabellón A, el día Jueves 04 de Junio a las 4:00pm.

Inscripciones en el siguiente enlace hasta el día miércoles 03 de Junio a las 4:00pm.

Shortbio del expositor:

Ingeniero Civil con doctorado en Recursos Hídricos. Su investigación se concentró en la aplicación de técnicas de procesamiento de señales como transformadas tipo wavelet de una y dos dimensiones y técnicas estadísticas para el estudio de señales geofísicas que describen las morfodinámica e hidrodinámica de los ríos. Propuso una técnica para discriminar las formar de fondo en base a las escalas de longitud de onda (rizos, dunas, barras), y una metodología para el análisis estadístico para la clasificación de ríos meándricos basados en la entropía de la curvatura. La primera técnica fue aplicada en estudio de los patrones de las formas de fondo del rio Paraná y tiene potencial para analizar la navegabilidad en grandes ríos. La segunda técnica fue usada en el estudio del Red River para un proyecto supervisado por el Cuerpo de Ingenieros del Ejército de los Estados Unidos y será adoptado como técnica estándar en la plataforma del RVR meander (www.rvrmeander.org), uno de los programas más ampliamente usados para el modelamiento de ríos meándricos.