Main

Aprendizaje Computacional II 2020

Aprendizaje computacional II


Tópicos selectos en: Aprendizaje Computacional II
Primavera 2020
Dr. Hugo Jair Escalante; hugojair(at)inaoep.mx
Horario: Martes y jueves 9:00 a 11:30 hrs.


Objetivo

Que el alumno conozca técnicas de aprendizaje computacional no vistas en los cursos introductorios, para que sea capaz de proponer soluciones a problemas que lo involucran. Estar al tanto de los avances más recientes en el área. Demostrar competencia en el desarrollo de soluciones de aprendizaje computacional.


Temario + material

0.- Organización del curso

1.- Introducción

2.- Recapitulación ML 1 (Slides) --- video

3.- Recapitulación ML 2

4.- Recapitulación DL 1

5.- Recapitulación DL 2 ---- video

6.- Ensambles 1

7.- Ensambles 2 ---- video

8.- Clasificación multi-etiqueta ---- video

9. Evolutionary Machine Learning ---- video - fundamentos de EAs ----- video - Programación genética en ML

10.- Tópicos en aprendizaje profundo

11.- Básicos de transferencia de conocimiento en CNNs ---- video

12.- Representaciones distribucionales de términos, y embeddings ---- video


Proyectos

Instrucciones y lista de proyectos


Lecturas

Lista de lecturas


Videos - exposiciones

  • Weiqiu You et al. Hard-Coded Gaussian Attention for Neural Machine Translation. ArXiv, 2020 --- Video --- Artículo --- Presentado por Jennifer Pérez
  • Denis Tome et al. Lifting from the Deep: Convolutional 3D Pose Estimation from a Single Image. CVPR 2017 --- Video --- Artículo --- Presentado por Valeria Yuraí Ramírez
  • J. Sun et al. Neural Diffusion Distance for Image Segmentation. NeurIPS 2019 --- Video --- Artículo --- Presentado por L. Antonio Sánchez
  • Ashish Vaswani et al. Attention is all you need. NIPS 2017 --- Video --- Artículo --- Presentado por José Tapia
  • Thanh-Toan Do et al. AffordanceNet: An End-to-End Deep Learning Approach for Object Affordance Detection. ICRA 2017 --- Video --- Artículo --- Presentado por L. Gerardo Custodio
  • Alex G.C. de Sa et al. Automated Selection and Configuration of Multi-Label Classification Algorithms with Grammar-Based Genetic Programming. PPSN 2018 --- Video --- Artículo -- Presentado por Osnam Manso
  • Michael Volpp, et al. Meta-Learning Acquisition Functions for Transfer Learning in Bayesian Optimization. ICLR 2020 --- Video --- Artículo --- Presentado por Luis A. Baez
  • Julia Kru et al. Integrating Text and Image: Determining Multimodal Document Intent in Instagram Posts. EMNLP 2019 --- Video --- Artículo --- Presentado por Giovanni Vargas
  • Jinfeng Rao et al. Bridging the Gap Between Relevance Matching and Semantic Matching. EMNLP 2019 --- Video --- Artículo --- Presentado por Itzel Tlelo
  • We Jiwaei et al. Self supervised dialogue learning. ACL 2019 Video --- Artículo --- Presentado por Giovanni Vargas
  • Jeremy Howard, Sebastian Ruder. Universal Language Model Fine-tuning for Text Classification. ACL 2018 video --- Artículo --- Presentado por: José Tapia
  • Ramaman Sekar et al. planning to explore via self-supervised world models. Preprint, 2020 Video --- Artículo --- Presentado por: Luis Ángel Baez.
  • Alakananda Vempala and Daniel Preoţiuc-Pietro. Categorizing and Inferring the Relationship between the Text and Image of Twitter Posts. ACL 2019 --- Video --- Artículo --- Presentado por: Osnam Manso
  • Lianwei Wu et al. Different Absorption from the Same Sharing: Sifted Multi-task Learning for Fake News Detection. EMNLP 2019 --- Video --- Artículo --- Presentado por Jennifer Pérez
  • Zhihao Fan et al. Bridging by Word: Image Grounded Vocabulary Construction for Visual Captioning. --- Video --- Artículo --- Presentado por: Itzel Tlelo
  • Learning Transferable Architectures for Scalable Image Recognition. Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc V. Le. --- Video --- Artículo --- Presentado por: José Antonio Sánchez
  • Andrew G. Howard, et al. "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. --- Video --- Artículo --- Presentado por: Valeria Yuraí Ramírez
  • Hugo Jair Escalante et al. Local histograms of character n-grams for authorship attribution. Proc. of ACL, 288--298, 2011. Video --- Artículo --- Presentado por: Hugo Jair Escalante

Material de lectura

Bibliografía

  • C. Bishop. Pattern Recognition and Machine Learning. Springer, 2006.
  • T. Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning, Springer, 2009.
  • R. O. Duda, P. Hart, D. Stork. Pattern Classification. Wiley, 2001.
  • I. Guyon, et al. Feature Extraction: Foundations and Applications, Springer 2006.
  • T. Mitchell. Machine Learning. Mc Graw-Hill
  • I. Goodfellow et al. Deep Learning.  MIT Press
  • https://www.kdnuggets.com/2020/03/24-best-free-books-understand-machine-learning.html

Estudiantes:

  • EDGAR GIOVANNI VARGAS OCAMPO
  • ITZEL TLELO COYOTECATL
  • JENNIFER PÉREZ SANTIAGO
  • JOSÉ ANTONIO SÁNCHEZ TIRO
  • JOSÉ MEDARDO TAPIA TÉLLEZ
  • LUIS ANGEL BAEZ NIETO
  • LUIS GERARDO CUSTODIO ADORNO
  • OSNAM TOMÁS MANSO VALLADARES
  • VALERIA YURAÍ RAMÍREZ GUATEMALA SÁNCHEZ

Evidencias: