Diagrama de temas

  • Aprendizaje Automático para Datos en Grafos

    Partidos de fútbol a en función de los años

    Los grafos (o redes) son una estructura de datos presente en muchísimas áreas de conocimiento: redes de telecomunicaciones, sistemas de recomendación, redes de regulación genética, estructuturas de proteínas o movilidad urbana son solo algunos ejemplos. Básicamente, son entidades (nodos) que interactúan entre sí (aristas).

    Sobre estos datos existen muchos problemas interesantes de aprendizaje automático, donde básicamente se busca realizar predicciones o descubrir cierta estructura en los datos: detección de anomalías en una red inalámbrica, recomendación de libros a partir de clasificaciones anteriores y de otros usuarios, o clasificación del rol de ciertas proteínas en redes de interacción biológica. Sin embargo, está claro que técnicas de aprendizaje “tradicionales” (donde los datos son básicamente un vector o una matriz) que no toman en cuenta las relaciones entre las distintas entidades tendrán menor poder de generalización (y por lo tanto mucho peor desempeño) que aquellas que sí lo tomen en cuenta.

    El objetivo general del curso es que los estudiantes puedan afrontar un problema de aprendizaje automático donde los datos se encuentran en forma de grafos. Se brindarán los conceptos teóricos fundamentales y las herramientas prácticas necesarias para ello. Al finalizar el curso los estudiantes serán capaces de implementar y entender distintas técnicas del estado del arte en inferencia y predicción en grafos.

    Docente: Prof. Gonzalo Mateos (Universidad de Rochester, EEUU).
    Docente invitado: Fernando Gama (Universidad de California Berkeley, EEUU).
    Otros docentes: Marcelo Fiori y Federico La Rocca.
    Fechas: Lunes 1º de febrero al viernes 5 de febrero.
    Horario: 9hs a 12hs15.
    Lugar: remoto via zoom

  • Introducción y motivación

  • Recursos