Nombre del tutorial speaker: Rafael Eric Murrieta Cid
Abstract: en este tutorial se cubrirán conceptos básicos de planificación de movimientos de robots, como es el espacio de configuraciones, los métodos básicos de planificación, ya sea determinísticos o probabilísticos, tales como los mapas de caminos, las descomposiciones celulares y los campos de potencial, así como los mapas de caminos probabilísticos (PRMs) y los arboles aleatorios de exploración rápida (RRTs). También se cubrirán conceptos básicos de control optimo y teoría de juegos, como son la función de recompensa, el valor del juego, estrategias de equilibrio y el principio del máximo de Pontryagin. Finalmente se verán aplicaciones a diferentes problemas en robótica, tales como: Exploración de ambientes desconocidos, búsqueda de objetos, reconstrucción de objetos, persecución/evasión, sistemas con múltiples robots, automóviles autónomos y planificación de movimientos optima que respeta restricciones de visibilidad.
Adscripción: CIMAT
Bio: Rafael Murrieta se graduó de ingeniero físico en el Tecnológico de Monterrey campus Monterrey en 1990, obtuvo el doctorado en robótica en el instituto Nacional Politécnico de Toulouse Francia en 1998, su investigación doctoral la realizó en grupo de Robótica e Inteligencia Artificial (RIA) del LAAS-CNRS. En 1996, durante su doctorado, fue estudiante visitante en el Laboratorio de Inteligencia Artificial de la Universidad de Stanford (SAIL). Después de obtener el doctorado, en 1998-1999, fue investigador posdoctoral en el departamento de Ciencias de la Computación de la Universidad de Stanford. Realizó una segunda estancia posdoctoral en el Departamento de Ingeniería Eléctrica de la Universidad de Illinois en Urbana-Champaign (UIUC) de 2002-2004. Desde 2006 trabaja en CIMAT en Guanajuato, en 2016 realizó una estancia sabática en UIUC. El tiene el nombramiento de Investigador Titular C en CIMAT y es miembro del Sistema Nacional de Investigadores nivel 2. Sus áreas de interés son robótica, planificación de movimientos y teoría de control.
Nombre del tutorial speaker: Héctor Xavier Limón Riaño
Abstract: Agent-oriented programming provides the means to create modular, scalable, decentralized, and autonomous systems, using as a the central building block agent entities, which are situated in
a computational environment that they can sense and modify to achieve their goals. Agents can socially interact with each other to coordinate complex tasks or even compete for resources or the achievement of
goals.
This tutorial covers the fundamental concepts of agent-oriented programming, following the BDI model, and it is intended as an introduction to the development of multi-agent oriented applications, using
the Jason programming language and the CArtAgO environment infrastructure.
Adscripción: Universidad Veracruzana
Requerimientos:
*Any
operating system
*Java jdk 8+
Dirigido a: Undergraduate college students coursing a computer science related program.
Biografía: Xavier Limón has a Ph.D. in Artificial Intelligence from the Universidad Veracruzana, México, where he is currently a full time Professor in the School of Statistics and Informatics. He has done research stays at the Università di Bologna, Italy, in the Department of Computer Science and Engineering; and the Universitat de València, Spain, in the School of Engineering. He has publications related to Multi-Agent Systems in high impact journals such as Knowledge and Information Systems (KAIS), and Patter Recgnition Letters, and has also participated in agent-related congresses like EMAS. His main research interests include Multi-Agent Systems, Distributed Computing, Data Mining, and Information Security.
Nombre del tutorial speaker: Israel Hernández y Oscar Herrera
Abstract: empezaremos con la explicación de la evolución del trading, es decir la compra y venta de acciones en la bolsa de valores, al pasar del intercambio, en el piso de remates, de acciones en papel al intercambio electrónico entre traders profesionales y posteriormente la apertura de dichas bolsas al público en general con la creación de los mercados electrónicos de intercambio (trading) y la democratización de dicha actividad con la llegada del internet y finalmente como la comunidad de desarrolladores de software se ha ido incorporado al trading en el momento que las casas de bolsa abrieron sus interfaces (APIs) para que toda persona con conocimientos básicos de programación pueda desarrollar y conectar su código a dichas casas de bolsa y empezar a tradear inmediatamente, así mismo desarrollaremos una primera red neuronal para predecir el precio futuro de una acción utilizando RNR, LSTM y GRU.
Adscripción: M3
Requerimientos: PC con
Python con bibliotecas Tensorflow y Sklearn
Nombre del tutorial speaker: Carlos Alberto Reyes García
Abstract: En este tutorial se presenta un panorama general de las diferentes etapas de procesamiento de diferentes tipos de bioseñales a partir de su captura hasta obtener la salida esperada para su
posterior aplicación. Se describirán los métodos utilizados para la fase de clasificación y reconocimiento que para este caso consisten en sistemas híbridos inteligentes basados en metodologías pertenecientes
a la inteligencia computacional, y que consisten en combinaciones de sistemas difusos, redes neuronales, métodos de aprendizaje maquina y algoritmos bioinspirados en general.
El termino Bioseñal se aplica
a todos los tipos de señales que pueden ser medidas y controladas continuamente en los seres biológicos y se refiere tanto a bioseñales eléctricas como no eléctricas. Entre las bioseñales eléctricas más
conocidas se tienen a los electroencefalogramas (EEG), magneto-encefalogramas (MEG) y electrocardiogramas, y entre las bioseñales no eléctricas se tienn señales acústicas como el habla y el llanto de bebe. Para
el aprovechamiento de la información que contiene cada señal es necesario efectuar un procesamiento que generalmente se efectúa en dos etapas, una es para extraer sus características más representativas que
posteriormente son utilizadas para predecir, reconocer o clasificar la señal. Se ilustrara el tutorial con diferentes ejemplos de aplicación como la aplicación de EEG a interfaces cerebro computadora (BCI),
la utilización de llanto de bebe con fines de diagnóstico o la identificación de emociones a partir de la voz, entre otros.
Adscripción: INAOE
Requerimientos: de
preferencia una Laptop (aunque no es indispensable). El software necesario se
proporcionara en el curso.
Dirigido a: participantes de cualquier especialidad con conocimientos en manejo de paquetes de Software para computadora y de preferencia toolboxes de Matlab.
Nombre del tutorial speaker: Juan Humberto Sossa Azuela
Abstract: En este tutorial, primero se abordan los conceptos fundamentales sobre las redes neuronales. Enseguida, se habla del perceptrón morfológico y el correspondiente perceptrón morfológico con procesamiento dendrítico. Se presenta la teoría básica, así como unos ejemplos explicativos sobre su operación. Después, se presenta un conjunto de algoritmos para su entrenamiento y cómo los modelos de redes neuronales resultantes pueden ser utilizados en la solución de problemas de complejidad diversa. Más adelante, se dan los pormenores sobre las redes neuronales pulsantes, se dan ejemplos explicativos, se describe la operación de varios esquemas para su aprendizaje y cómo los modelos obtenidos pueden ser usados en el tratamiento de señales espacio-temporales.
Adscripción: CIC-IPN
Requerimientos: Ninguno.
Bio: El Dr. Juan Humberto Sossa Azuela es Ingeniero en Comunicaciones y Electrónica por la Universidad de Guadalajara en 1981. Obtuvo los grados de Maestro en Ciencias con especialidad en Ingeniería Eléctrica en el Centro de Investigación y de Estudios Avanzados del IPN en 1987 y de Doctor del Instituto Politécnico de Grenoble, Francia en 1992. Trabajó como profesor investigador en el Departamento de Ingeniería Eléctrica del CINVESTAV-IPN de 1987 a 1997. De 1997 a la fecha labora en el Instituto Politécnico Nacional como profesor investigador con la categoría de Titular “C”. Es Jefe del Laboratorio de Robótica y Mecatrónica del Centro de Investigación en Computación del IPN. Fue coordinador de la Red de Expertos en Robótica y Mecatrónica del IPN de 2012 a 2018. Es miembro del Sistema Nacional de Investigadores nivel 3 y de la Academia Mexicana de Ciencias desde 1997. Es miembro Senior de la IEEE, miembro de la ACM, INNS, e INSTEC, además de la Academia de Ingeniería (AI). Es mimbro Fellow de la SMIA. Fue Editor en Jefe de la Revista Computación y Sistemas, indexada por el CONACYT de 2006 a 2011. Fue Presidente de la Sociedad Mexicana de Inteligencia Artificial (SMIA) de 2002 a 2004. Ha organizado más de 20 congresos relacionados con las Ciencias de la Computación, la Informática y la Inteligencia Artificial. Es miembro fundador de la Academia Mexicana de la Computación (AMEXCOMP). Es y ha sido miembro de la Comisión de evaluación del área VII y de la Comisión Transversal de Tecnología del Sistema Nacional de Investigadores. Fue miembro de la Comisión Dictaminadora Externa del CIMAT y del CIDESI y de la Comisión Externa de Evaluación del INAOE. Es miembro de la Comisión Dictaminadora Externa del CICESE. Tiene 35 años de experiencia en docencia en la Universidad de Guadalajara, el Tecnológico de Monterrey, el CINVESTAV-IPN y el Centro de Investigación en Computación del IPN. Ha dirigido 25 tesis de licenciatura, 74 de maestría y 22 de doctorado. Tiene dos patentes concedidas y seis en revisión. Ha dirigido más de 20 proyectos de investigación básica y aplicada. Es autor de tres libros y co-editor de 20 libros. Es autor y co-autor de más de 450 artículos en revistas, capítulos de libros, congresos nacionales e internacionales y reportes técnicos. Entre los reconocimientos más importantes que con los que ha sido galardonado destacan el Premio a la Investigación en el IPN en 1997, 1999, 2005, 2008 y 2017, el Diploma a la Investigación por el IPN en 2000, la Presea Lázaro Cárdenas en su categoría de investigador en 2001 y el Galardón Honorífico Universitario "Enrique Díaz de León" de la Universidad de Guadalajara 2008, el Premio de Ingeniería de la Ciudad de México 2011, los certificados como coautor de una 1) nueva conceptualización en el proceso de segmentación de imágenes (2012) y 2) algoritmos no supervisados para el reconocimiento visual de patrones, una nueva conceptualización (2013), ambos por la Agencia de Energía Nuclear y Tecnología de Avanzada (AENTA), la Cátedra Patrimonial “Juan Humberto Sossa Azuela” por parte de la UACJ en 2017 y el Premio “Talent Award” en la categoría “Iron Land Award” otorgado por el grupo Talent Network y Milenio en abril 24 de 2018. Sus intereses son en Inteligencia Artificial y Aprendizaje para Máquinas y sus aplicaciones en el control de robots y el manejo de información para la toma de decisiones.
Nombre del tutorial speaker: Gilberto Ochoa-Ruiz
Abstract: Object detection, as of one the most fundamental and challenging problems in computer vision, has received great attention in recent years. Its development in the past two decades can be regarded as an epitome of computer vision history. In this tutorial we analyze object detection in the light of its technical evolution, spanning over a quarter-century’s time. Several topics will be covered, including the milestones detectors in history, detection datasets, metrics, fundamental building blocks of the detection system, speed up techniques, and the recent state of the art detection methods. We will provide a thorough survey of recent advances of object detection based on deep learning architectures and discuss some important detection applications, such as pedestrian detection, face detection, text detection and carry out and in-detph analysis of their challenges as well as technical improvements in recent years. We conclude the tutorial with the implementation of a couple of modern object detectors using Google Collab and Tensorflow on a custom dataset.
Adscripción: ITESM Guadalajara
Requerimientos: The
tutorial will be executed on a Jupyter Notebook mounted on Google Collab and
Cloud. The attends need only to bring a laptop, Tensorflow, OpenCV, Python
3.6 and the associated libraries (Numpy, Pandas, Matplotlib) are accessible
through the notebook. Google Colab provides access to GPUs and TPUs which are
enough for the purposes of this tutorial.
Dirigido a: Students or professionals interested in image processing and computer vision applications, especially those in which object detection is a fundamental block (object tracking, text detection and retrieval, scene text recognition for augmented reality, among others). The attendants are expected to have some image processing and computer vision notions, but the tutorial is intended to be accessible for a broad audience, so even non-experts can leverage the power of modern object detection algorithms for creating working applications. The tutorial can serve as a means for practitioners on the domain to update their knowledge in this particular area.
Bio: Researcher and lecturer in several post-graduate programs accredited by the CONACYT PNPC program, geared towards Computer Science and Communication and Information Technologies Since Sept. 2019,
he is part of the academic staff of Instituto Tecnológico Estudios Superiores de Monterrey (ITESM), in its Guadalajara campus, affiliated to the Machine Learning Models group.
He coursed a bachelor’s degree
in Electronics and Communications Engineering by the Universidad de Guadalajara and a specialty degree in Digital and SoC Design at the CINVESTAV Guadalajara. Afterwards, he obtained a master’s degree in computer
Vision and Robotics by Heriot-Watt-University (Edinburgh, UK) and a PhD in Electronic Imaging and Computer Vision by the Université de Bourgogne (France).
His research areas and interests are focused on
investigating and implementing novel HW/SW architectures for a variety of applications. He is particularly interested in using reconfigurable technologies and systems (FPGAs and ACAPs) for designing real-time,
heterogenous, edge computing applications. More recently, he has focused my research to the application of reconfigurable devices in robotics, computer vision and IoT applications (artificial intelligence at
the edge) for applications in smart cities. In this sense, he currently carries out research on the implementation of end-to-end deep learning-based computer vision applications on constrained devices, making
use of deep learning models amenable for customized embedded and mobile deployments.
Nombre del tutorial speaker: Gerald Steinbauer
Abstract: In this tutorial we will introduce the RoboCup Logistics League an industrial category of the RoboCup competition. The league's setup resemble a flexible on-demand production with production machines and autonomous delivery robots. The aim is to assembly individualized products and to deliver them on time. The setting is challenging and interesting for students and researcher and goes beyond the state of the art in industry. The challenges range from robotics related topics like navigation and manipulation over robust execution to planning and scheduling. Besides the attractive physical setup there exist a full fledged simulation setup which allows to abstract away low-level challenges and to focus on particular problems such as planning. We will present how the Logistics League is used in research and teaching. Moreover, we will give a practical insight on existing tools that allow a quick start into the challenge.
created with
Nicepage.