Llamada de trabajos de investigación

Se invita a los estudiantes de pregrado, postgrado y profesionales a presentar sus trabajos recientemente publicados, así como trabajos en progreso, proyectos de cursos universitarios, y tesis en desarrollo o concluídas en las siguientes áreas, sin limitarse a estas:

  • Adversarial Networks.
  • Applications of Deep Learning.
  • Attention Models.
  • Bayesian Deep Learning.
  • CNN Architectures.
  • Deep Autoencoders.
  • Deep Reinforcement Learning.
  • Efficient Inference and Training Methods.
  • Embedding Approaches.
  • Few-Shot Learning Approaches.
  • Generative Models
  • Memory-Augmented Neural Networks.
  • Meta-Learning.
  • Metric Learning.
  • Optimization for Deep Networks.
  • Predictive Models.
  • Recurrent Networks.
  • Semi-supervised Deep Networks.
  • Supervised Deep Networks.
  • Sequence Models.
  • Transfer Learning.
  • Unsupervised Deep Networks.
  • Visualization or Exposition Techniques for Deep Networks.

Los trabajos seleccionados serán presentados como parte del SPDL. Esta será una gran oportunidad para exponer sus ideas y recibir feedback por parte de especialistas en el área.

Trabajos de Pregrado: Siguiendo formatos de workshops internacionales, los trabajos de pregrado aceptados serán publicados, como extended abstract, en el sitio web del simposio (y serán archivados, pero no constituyen un proceedings). Mayor información sobre el formato del extended abstract será enviado a cada autor después de su presentación en el simposio.