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.