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.