Investigadores y estudiantes intercambian sus conocimientos sobre aprendizaje automático en la Summer School 2013 organizada por el INIT
Más de 60 investigadores y estudiantes de 19 países distintos se dan cita en Benicàssim para estudiar durante cinco días los temas y metodologías más relevantes en el campo del aprendizaje automático con el objetivo de descubrir nuevos retos y tendencias en esta rama científica de la inteligencia artificial que tiene como principal finalidad desarrollar técnicas que permitan aprender a las computadoras.
La Summer School 2013, organizada por el Instituto de Nuevas Tecnologías de la Imagen (INIT) de la Universitat Jaume I y copatrocinada por la Asociación Española de Reconocimiento de Formas y Análisis de Imágenes (AERFAI), reúne del 24 al 28 de junio de 2013 a investigadores líderes en sus respectivos ámbitos que presentan sus investigaciones en sesiones prácticas con demostraciones y/o software específico para que los participantes tengan una mejor compresión de la teoría. Además, también se organizan sesiones informales de pósteres para que el estudiantado presente sus investigaciones en curso e interactúe con sus colegas científicos.
Los diversos enfoques y paradigmas del aprendizaje automático permiten implementar sistemas automáticos de clasificación y predicción con la finalidad de servir de herramientas de apoyo en la toma de decisiones en multitud de áreas de aplicación como por ejemplo los motores de búsqueda, diagnósticos médicos, detección del fraude en el uso de tarjetas de crédito, clasificación de secuencias de ADN o el reconocimiento del habla y el lenguaje escrito.
Los temas tratados a lo largo de las ocho sesiones en que está dividida la Summer School van desde aspectos puramente teóricos que constituyen la base para cualquier aplicación real hasta otras cuestiones con una perspectiva mucho más práctica. El primer grupo engloba la teoría del aprendizaje, los métodos kernel para reconocimiento de patrones y el aprendizaje por transferencia, mientras que temas como la combinación de clasificadores, los espacios de disimilitud o el análisis de curvas ROC son ejemplos de los temas que se integrarían en el segundo grupo.
