Machine Learning Workshop Galicia 2017

Envío de traballos

O comité científico do WGML2017 convida ós autores compartir a súa experiencia en Machine Learning durante o evento, tanto se proceden do ámbito académico como do empresarial. Os interesados deberán enviar un abstract a través da plataforma EasyChair, seguindo o formato requirido pola organización.

Nesta edición priorizaranse os traballos que mostren a aplicabilidade dos algoritmos Machine Learning a casos de uso reais co fin de mostrar á industria o potencial destas tecnoloxías.

Comité científico:

  • Ricardo Cao (CITIC-UDC, ITMATI)

  • Milagros Fernández Gavilanes (AtlantTIC - UVIGO)

  • David Mera Pérez (CiTIUS-USC)

  • Andrés Gómez Tato (CESGA)

  • Félix Díaz Hermida (CiTIUS-USC)

    Machine Learning: a máquina aprende

    Nos últimos anos o interese da industria e da comunidade investigadora polas tecnoloxías asociadas ao Aprendizaxe Máquina ou Machine Learning (ML) incrementouse notablemente. Diversos factores determinantes, como a dispoñibilidade de contornas computacionais cada vez máis potentes, a irrupción das tecnoloxías Big Data, a mellora nos algoritmos de aprendizaxe, a aparición do Deep Learning, ou o acceso a un conxunto de datos cada vez maior e a menor custe, converteron esta tecnoloxía nun referente actual en case calquera campo do coñecemento.

    O uso das tecnoloxías ML supuxo un punto de inflexión na sociedade coa súa presenza nunha ampla gama de aplicacións, como por exemplo: sistemas de procura, análise de textos, análises de redes sociais, recoñecemento de obxectos e caras, procesado do ADN, recoñecemento da fala, analítica de datos médicos, mellora e optimización dos sistemas de produción na industria, aplicacións de analítica para a intelixencia de negocio, e un longuísimo etcétera. Non obstante, e a pesar de todos os beneficios achegados polo ML á sociedade e á industria, o seu potencial máximo está aínda por explotar, polo que existe un futuro cheo de novos retos e oportunidades.

    Coa colaboración de: Rede Galega de Tecnoloxías Cloud e Big Data para HPC - R2016/045