KHIPU 2019
- Fecha
- 11–15 de noviembre de 2019
- Lugar
- Facultad de Ingeniería, Universidad de la RepúblicaMontevideo
- Gente
- 332 participantes de 13 países (1.030 postulaciones)
- Organiza
- KHIPU2 eventos · Ya no se junta
- Organizaron
6 fotosVer todas las fotos de KHIPU
Foto: KHIPU · Sitio de KHIPU. Cada foto se ve desde donde está publicada y lleva a la original. ¿Aparecés en una y preferís que no esté? Pedí que la saquemos, o tocala y pedilo desde ahí.
Qué fue
KHIPU 2019 fue la primera edición del Latin American Meeting in Artificial Intelligence, un encuentro de cinco días que se hizo del 11 al 15 de noviembre de 2019 en la Facultad de Ingeniería de la Universidad de la República, en Montevideo. Con un formato inspirado en el Deep Learning Indaba, combinó clases intensivas de machine learning (fundamentos, redes convolucionales y recurrentes, aprendizaje por refuerzo), charlas de investigadores de la región, paneles y sesiones de pósters, con el objetivo de formar talento latinoamericano en IA y conectar a la comunidad regional con la internacional.
Hubo 1.030 postulaciones y 332 participantes de 13 países de América Latina: 203 personas seleccionadas, 37 oradores, 17 organizadores y 75 representantes de patrocinadores y socios. La inscripción fue gratuita para estudiantes y académicos, y se otorgaron 156 becas de viaje y alojamiento. Se presentaron 141 pósters y todo el encuentro se transmitió en vivo; según el informe final, gente de 73 países siguió el streaming.
Entre los oradores estuvieron Yoshua Bengio, Jeff Dean, Nando de Freitas, Oriol Vinyals, Chelsea Finn, Kyunghyun Cho y Martín Abadi; el keynote lo dio Guillermo Sapiro, sobre el uso de IA para detectar autismo de forma temprana. Hubo paneles sobre IA para el bien social y sobre la vida de una startup de machine learning, y un encuentro Women in AI organizado por Google. En su charla, Jeff Dean anunció acceso gratuito a TPUs en la nube para los participantes; con ese recurso, un grupo de asistentes entrenó BETO, un modelo BERT solo con textos en español.
Charlas
Keynote: ML Challenges and Opportunities of Computational Behavioral Phenotyping in Developmental Health
Machine Learning Fundamentals
Deep Learning Fundamentals
Convolutional Neural Networks I
Convolutional Neural Networks II
Recurrent Neural Networks
Machine Learning for Healthcare
Perspectives on AI
Reinforcement Learning
Climate and Artificial Intelligence
Robotics and Continuous Control
Causality and Generalization
Modeling the Space of Natural Images: History and Applications
Microdata Anonymization for Learning Analytics
Privacy and Security in Machine Learning
AlphaStar: StarCraft II using multi-agent RL
Machine Learning for Subsurface Characterization
Deep Learning to Solve Challenging Problems