Adaptive Machine Learning for Data Streams

25 enero, 2021
9:00 am

Título:  Adaptive Machine Learning for Data Streams

Ponente: Albert Bifet (University of Waikato)

Organizador: Alejandro Rabasa

Fecha: Lunes 25 de enero de 2021 a las 9:00 horas.

PINCHA AQUÍ PARA ACCEDER

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.

Seminario Online Senén Barro Ameneiro

Título:    Inteligencia Artificial en una sociedad de dispositivos

Ponente: Senén Barro Ameneiro (Universidad de Santiago de Compostela)

Organizador: Federico Botella

Fecha: Lunes 21 de diciembre de 2020 a las 12:00

PINCHA AQUÍ PARA VER EL SEMINARIO

ABSTRACT: Vivimos en una sociedad de dispositivos. Por una parte, los dispositivos incorporan una creciente capacidad de percepción, computación, interacción y acción y conforman sociedades de entidades cada vez más interconectadas. El caso de los teléfonos móviles es paradigmático. Por otra parte, nuestra sociedad, la humana, es cada vez más dependiente de ellos. La Inteligencia Artificial es a la vez una necesidad y una oportunidad para esta sociedad de dispositivos. Se hace necesaria para gestionar una ingente cantidad de datos e información y al tiempo se abre un sinfín de posibilidades derivadas del aprendizaje automático colectivo por parte de las máquinas. Pondremos ejemplos derivados del geoposicionamiento de móviles en interiores, la lucha contra la pandemia o la monitorización de nuestra salud.

Digital Humanities – Theorie und Methodik “Data Literacy and Digital Humanities”

Título:    «Data Science and Digital Humanities: a feasible merge?»

Ponente:  Alejandro Bia (Centro de Investigación Operativa)

Organizador: Prof. Elisabeth Burr de la Universidad de Leipzig

Fecha: Martes 8 de diciembre de 2020 a las 17:00

INSCRIPCIÓN INSCRIPCIÓN

ABSTRACT: This talk deals with the new and trendy field of Data Science, tracing back to its origins and analysing its future potential applications especially within the Digital Humanities. We will see the different subjects Data Science comprise and the different roles and backgrounds of the people who work in this field. We will also compare and discuss the relationships and possible collaborations, both in terms of research and education, between these two interdisciplinary bodies of knowledge.

Seminario Online Judit Muñoz Matute

Título:    The application of Discontinuous Petrov-Galerkin method for time-dependent Partial Differential Equations.

Ponente:  Judit Muñoz Matute (BCAM – Basque Center for Applied Mathematics)

Organizador: José Valero

Fecha: Lunes 14 de diciembre de 2020 a las 12:00

PINCHA AQUÍ PARA VER EL SEMINARIO

ABSTRACT: The Discontinuous Petrov-Galerkin (DPG) method with optimal test functions is a numerical method for approximating the solution of Partial Differential equations. It was proposed 10 years ago and since then, it has been applied to the simulation of a wide variety of problems including convection-dominated diffusion, Maxwell’s equations, linear elasticity, Stoke’s flow and Helmholtz equation, among many others. The key idea of the DPG method is to construct optimal test functions in such a way that the discrete stability is inherited from the continuous problem. In this talk, I will show how to apply the DPG method in the time variable for transient PDEs and its relation with exponential time integrators.

Seminario Online Dolores Romero Morales

7 diciembre, 2020
12:00 pm

Título:    Explaining Machine Learning Outcomes by Means of Mathematical Optimization

Ponente:  Dolores Romero Morales (Copenhagen Business School, Denmark)

Organizador: Juan Fco. Monge

Fecha: Lunes 7 de diciembre de 2020 a las 12:00

PINCHA AQUÍ PARA VER EL SEMINARIO

ABSTRACT: There is a growing literature on enhancing the interpretability of Machine Learning methods involved in Data Driven Decision Making. Interpretability is desirable for non-experts; it is required by regulators for models aiding, for instance, credit scoring; and since 2018 the European Union has extended this requirement by imposing the so-called right-to-explanation in algorithmic decision making. Mathematical Optimization has shown a crucial role when striking a balance between interpretability and accuracy, having LASSO as one of the main exponents. In this presentation, we will go through very recent examples of enhancing the interpretability of Supervised as well as Unsupervised Learning methods with the help of Mixed Integer NonLinear Optimization.

Los investigadores del CIO Jesús Pastor y Domingo Morales, entre los 25 más importantes de España en matemáticas

La última actualización del ranking de los investigadores más importantes de España, sitúa a los catedráticos de la Universidad Miguel Hernández (UMH) de Elche Jesús Pastor y Domingo Morales entre los 25 investigadores más importantes de España. En los campos de «Investigación Operativa y Ciencias de la Gestión» y «Estadística y Probabilidad», respectivamente. Ambos pertenecen al Instituto Universitario de Investigación “Centro de Investigación Operativa” (CIO) de la UMH, uno de los catorce institutos universitarios de investigación en matemáticas de España.

El ranking de investigadores ordena a estos según su índice h. Se trata de un sistema propuesto por Hirsch en 2005, de la Universidad de California (EE.UU.), para la medición de la calidad profesional de físicos y de otros científicos, en función de la cantidad de citas que han recibido sus artículos científicos. Se calcula a través de la ordenación de mayor a menor los artículos científicos según el número de citas recibidas, siendo el índice h el número en el que coinciden el número de orden con el número de citas. La recopilación de esta información es posible gracias a la Web Of Science (WOS), una plataforma basada en tecnología web, que recoge desde 1945 las referencias de las principales publicaciones científicas de cualquier disciplina del conocimiento, tanto científico como tecnológico, humanístico y sociológicos, esenciales para el apoyo a la investigación y para el reconocimiento de los esfuerzos y avances realizados por la comunidad científica y tecnológica.

El ranking se puede consultar en el siguiente enlace: http://indice-h.webcindario.com/matemat.html