Los desarrollos de la última década en herramientas de big data cómo son el deep learning, ha generalizado el uso de estos hasta el punto de que ocupa buena parte del espacio del tratamiento de datos. Sin embargo, estos métodos parten de una disponibilidad de gran cantidad de datos fiables y no sesgados. ¿Pero qué pasa cuando tenemos pocos datos y con muchos campos?

En esta charla, se hablará de cómo en algunos campos como la IA y la robótica se puede aprender con pocos datos. Métodos como el aprendizaje por refuerzo, reducción de dimensionalidad y representaciones de datos que no descartan información son claves para obtener buenos modelos.

La sesión estará moderada por el AI Program Coordinator en CVC, Meritxell Bassolas, y el ponente será el investigador posdoctoral, Adrià Colomé Figueras.

Objectiu de l'acte

• Aprendizaje y ajuste de modelos de regresión con pocos datos
• Aprendizaje por refuerzo
• Reducción de dimensionalidad en datos

T'interessa si ets...