Métodos de Kernels en aprendizaje profundo

svm

El aprendizaje profundo permite que los modelos computacionales  estén compuestos de multiples capas de procesamiento para aprender la representación de la información con multiples niveles de abstracción. Por su lado, los métodos de Kernels son un conjunto de modelos para el reconocimiento de patrones. Entre uno de los modelos más conocidos de esta familia de métodos están las Support Vector Machines, Support Vector Regression, Kernel Means, Kernel PCA, etc.

En esta charla, se discutiran acerca de los fundamentos que se encuentran detrás de este tipo de modelos, usando como ejemplo de  base las Support Vector Machines así como su acoplamiento con redes profundas (Deep Networks).

Fecha: Jueves 18 de Junio 2015

Hora: 18:00 hrs.

Lugar: Sala Polivalente A100 (Pabellón A de la PUCP).

Para acceder al campus, favor inscribirse en el siguiente Link :

Short Bio: Edgar Marca nació en Lima, Perú y obtuvo su bachillerato en computación científica en la UNMSM. Actualmente estudia los fundamentos matemáticos de los métodos de Kernel y aprendizaje profundo. Edgar es posgraduando en el Laboratorio Nacional de Computación Científica en Brazil e invetigador invitado del GRPIAA.

Actualizacion:

Agradescemos a todos los asistentes por su prescencia.

Las diapositivas del evento se encuentran en el siguiente link grpiaa-kernels-deep-learning-2015