Llamada de trabajos de investigación
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.