Arturo Deza terminó la carrera de Ingeniería Mecatrónica en la Universidad Nacional de Ingeniería en el 2012. Un año después, en el 2013 empezó su Doctorado en Dynamical Neuroscience en University of California, Santa Barbara. En 2018 terminó el programa de doctorado y, en el 2019, comenzó su postdoctorado en la Harvard University en la facultad de Psicología. Desde el año pasado y actualmente continúa su postdoctorado en el Massachusetts Institute of Technology (MIT) en el Center for Brains, Minds and Machines. Hasta la fecha trabaja en la intersección de la inteligencia artificial, y psicología perceptual -- mayormente visión -- en humanos, computadoras y robots. Arturo ha publicado artículos en NIPS, ICLR y CVPR.

Kevin actualmente es PhD Candidate en Purdue University. Su investigación se enfoca en estudiar métodos que son estadísticamente y computacionalmente eficientes para diferentes problemas de machine learning. En particular, tiene múltiples publicaciones en NeurIPS y AISTATS donde propone maneras para mejorar el aprendizaje de modelos para predicción estructurada, muestra los límites estadísticos del aprendizaje en predicción estructurada y analiza condiciones para alcanzar inferencia exacta en grafos.

Anteriormente, Kevin ha realizado dos pasantías en Facebook AI y recibió su título en ingeniería mecatrónica de la Universidad Nacional de Ingeniería en el año 2014.

Rodolfo Quispe is a Ph.D. candidate at University of Campinas - Brazil and software engineer at Microsoft - USA. He received his MSc. in Computer Science from University of Campinas in 2019 and his B.S. in Computer Science from Universidad Nacional de San Antonio Abad del Cusco - Peru in 2017 His research interest include Computer Vision and Natural Language Processing, his research focus is in deep learning for re-identification, domain adaptation and generalization.

Gissella Bejarano es estudiante de doctorado en Ciencias de la Computación en State University of New York at Binghamton. Su área de investigación es el aprendizaje de máquina para datos en secuencia de ciudades inteligentes. Terminó su maestría en la misma universidad gracias a la beca Fulbright en el 2017 con un proyecto para identificar lenguaje de señas. Es ingeniera informática de la Pontificia Universidad Católica del Perú y co-fundadora del grupo de investigación IAPUCP. Actualmente también es co-directora de la rama de ciencias de la computación del programa Research Experience for Peruvian Undergraduate (REPU). Gissella tiene experiencia en la industria y la academia. En la industria ha trabajado manejando bases de datos con grandes volúmenes de datos para su explotación, transformación y análisis, así como también con temas de chatbots. En la academia ha liderado proyectos de investigación en la PUCP, ha sido asesora de tesis de pregrado y enseñado el curso de Sistemas Expertos.

Darwin Saire received his B.Eng. degree in Computer Engineering from the University of San Agustin (UNSA), Arequipa in 2013. He completed his M.Sc. degree in Computer Engineering from the University of Campinas, Brazil in 2017. He did a year of internship with the University of Lorraine, France in 2020. He is currently a Ph.D. candidate at the Institute of Computing, University of Campinas, Brazil. His research interests are computer vision, pattern recognition, image processing, machine learning, and deep learning.

Ingeniero informático/bachiller en Ciencia de la Computación en la Universidad Nacional de Trujillo con estudios de maestría y doctorado en Ciencia de la Computación en la Universidad Federal de Ouro Preto, MG, Brasil. Calificado como investigador CONCYTEC - María Rostworowski II. Con amplia experiencia y conocimiento en proyectos de investigación que involucran Ciencia de Datos, Inteligencia Artificial y Machine Learning.

Rosa Paccotacya Yanque es estudiante de maestría en la Universidade Estadual de Campinas (IC/UNICAMP)-Brasil, actualmente investiga Explainable AI para análisis de imágenes médicas, bajo la supervisión de la Prof. Sandra Avila, en el laboratorio REasoning for COmplex Data (RECOD-Lab). Bachiller en Ciencia de la Computación de la Universidad Nacional de San Agustin de Arequipa-UNSA. Sus intereses de investigación son Explainable AI, Computer Vision, Deep Learning y Ai for Social Good.

Matias Valdenegro es actualmente Investigador en el Centro Aleman de Investigacion en Inteligencia Artificial en Bremen, Alemania. Recibio su Doctorado en 2019 de Heriot-Watt University (Edimburgo, Escocia). Matias es especialista en Reinforcement Learning, Redes Neuronales, Vision por Computador, y Estimacion de Incertidumbre.

Matias participa activamente en la organizacion de workshops LatinX in AI en varias conferencias, y es activo como reviewer de papers en conferencias top de Machine Learning.

Berenice Montalvo es profesora asistente de las asignaturas de Aprendizaje Automatizado y Aprendizaje Profundo en el Posgrado en Ciencia e Ingeniería de la Computación de la Universidad Nacional Autónoma de México (UNAM). Contribuye en el grupo de investigación de Aprendizaje Profundo en el Instituto de Investigaciones en Matemáticas Aplicadas y Sistemas (IIMAS). Es maestra en Ciencias e Ingeniería por la UNAM donde obtuvo el grado con una tesis sobre modelos recurrentes profundos para clasificación de video. Además, es ingeniera en Comunicaciones y Electrónica por el Instituto Politécnico Nacional (IPN).

Ingeniero en Tecnologías de la Información, Maestro en Tecnología Avanzada, cuatro años de experiencia como desarrollador de software en la industria. Estancias de investigación como estudiante de postgrado en MIT en 2018 y 2019

Ingeniero en Ciencia de la Computación y especialización de post-grado en investigación científica, actualmente trabajando como data scientist en PayPal y catedrático de Machine Learning en Universidad Galileo de Guatemala.

Egresada de la maestría en Ciencia de la Computación de la Universidad Católica San Pablo-Arequipa. Durante su maestría hizo un intercambio en la Universidad Estadual de Campinas en Brasil becada por CONCYTEC, así como también participó becada de distintas conferencias y summer schools de Machine Learning. Su principal área de interés es Deep Learning para Computer Vision.

Leticia es bachiller en Ciencia de la Computación de la Universidad Nacional de Ingeniería en Perú y actualmente es estudiante de maestría en la Universidad Católica de San Pablo. Como estudiante de visita en la Universidad de Virginia, Leticia ha estado trabajando en segmentación de imágenes semánticas, segmentación de imágenes médicas y en visión y lenguaje.

Laura Estacio es estudiante de Ciencia de la Computación de la Universidad Católica San Pablo. Recibió su grado de Ingeniero de Sistemas en la Universidad Nacional San Agustín en el 2018. Sus principales líneas de investigación incluyen Computer Vision, Machine Learning y 2D-3D reconstruction, aplicados al campo médico. Su proyecto de maestría se centra en la detección de anomalías en imágenes de rayos X utilizando modelos generativos. Como resultado de sus trabajos de investigación, obtuvo dos patentes relacionadas a la segmentación de imágenes médicas y al desarrollo de dispositivos médicos. Ganó el best paper award at AutoImplant 2020 en MICCAI en conjunto con su equipo de 1000shapes y Zuse Institute Berlin (Alemania). Adicionalmente, en el 2020, cofundó la startup denominada “MeDe”, la cual transfiere resultados de la investigación a productos y servicios comercialmente disponibles en el sector médico.

Asistente de investigación en el Laboratorio de Bioinformática y Biología Molecular de la Universidad Peruana Cayetano Heredia (UPCH), Perú. Su experiencia de investigación incluye dos pasantías de investigación en Inteligenia Artificial en la Universidad AGH de Ciencia y Tecnología (Polonia) y en la Universidad de Padua (Italia). Además, ha participado en prestigiosas conferencias como ICML y NeurIPS.

Pasante en el Instituto de Investigaciones de la Amazonía Peruana en el área de Deep Learning. Ha participado en eventos en calidad de asistente y ponente, tales como el primer encuentro latinoamericano en Deep Learning KHIPU-2019, la escuela de verano CIFAR Deep Learning + Reinforcement Learning 2020 DLRL, y el Workshop Tackling Climate Change with Machine Learning del NeurIPS 2020.

Dr. Nina-Paravecino is currently a Senior Research Manager at the Cloud AI Systems and Technology in Microsoft, where she leads different efforts to improve performance of Deep Learning workloads. Previously, Dr. Nina-Paravecino was part of Intel Corporation as a Research Scientist to push Intel’s ground-breaking volumetric reconstruction technology using Deep Learning. In the past, her work has contributed to efficiently exploiting GPU architectures and enabled identification of bottlenecks on a myriad of applications that includes image processing and video analytics. Dr Nina-Paravecino received her Ph.D. in Computer Engineering from Northeastern University, her M.Sc. in Computer Engineering from University of Puerto Rico at Mayaguez Campus, and her B.S. in System and Informatics Engineering from University of San Antonio Abad of Cusco – Peru. She has been co-chair/PC-member/Reviewer of different Journals/Conferences/Workshops such as IEEE Transactions on Image Processing 2017, JPDC 2017, CF 2018, PPoPP 2018, SC 2018, GPGPU 2018, PARCO 2018, IA^3 2019, SC 2019, HICSS 2020, DAC 2020, ICCD 2020, HPCA 2021.

Nils is a research scientist, with expertise in computer vision, machine learning and natural language processing. Specifically, his research is focused on multi-modal learning, deep learning, metric learning, and reinforcement learning. Nils' research has been published in conferences such as CVPR, AAAI, BMVC, WACV and workshops in NeurIPS and ICML. Before joining Snap Inc, he worked in ASEA Brown Boveri (ABB) and Educational Testing Services (ETS).

Nils earned his PhD in Computer Science from the University of Pittsburgh under the supervision of Professor Adriana Kovashka.

I am an Assistant Professor in the Department of Computer Science and Statistics at the University of Rhode Island. I joined URI after working in the Department of Computer and Information Sciences, University of Delaware as a visiting scholar. I graduated with a Ph.D. in CS from Utah State University, a M.S. in CS from the University of São Paulo, and a B.S. in CS from the Federal University of Mato Grosso do Sul. My research interests are in the broad area of Machine Learning with a focus on Deep Learning for structured data, such as graphs and trees. My work has been applied to challenging problems arising in a variety of domains, including computer program optimization and analysis, computer vision, and computational biology.

Aurea Soriano Vargas actualmente es investigadora y docente colaboradora en la Universidade Estadual de Campinas (UNICAMP), Brasil y docente invitada en la Universidad Nacional de San Agustín (UNSA), Perú. Realiza voluntariado en dos proyectos peruanos: Sisay y Data Science Research Perú. Ella obtuvo un doctorado y una maestría en Ciencias de la Computación y Matemática Computacional por la Universidad de São Paulo, Brasil en 2018 y 2013 respectivamente. Recibió el grado de bachiller en Ingeniería Informática por la Universidad Católica San Pablo, Arequipa, Perú en 2009. Hizo una pasantía en la Universidad de California, Davis en 2015.

Sus intereses de investigación son visualización de información, análisis visual (minería de datos visual), procesamiento de imágenes y aprendizaje automático.

Profesor Principal e Investigador Senior en Pontificia Universidad Católica del Perú, área Ciencia de la Computación. Doctor en Bioinformática y Magister en Ciencia de la Computación por la USP São Paulo, Brasil. Estancia Post-Doctoral en Texas A&M University (2016). Es Past-Presidente de la IEEE Computer Society Perú (2019-2020). Lider científico del Grupo de Inteligencia Artificial de la PUCP (IA-PUCP). Lider Científico del Centro de Innovación Científica y Desarrollo Tecnológico en Ciencias de la Computación de la PUCP.

Dr. Omar U. Flórez es un divulgador científico del aprendizaje de máquinas. Obtuvo su PhD en Computer Science en Utah State University y el pregrado en la Universidad Nacional de San Agustín de Arequipa. Actualmente es Machine Learning Research Scientist en Twitter. Su experiencia profesional también incluye ser Senior Research Manager en Capital One y Research Scientist en Intel Labs en el Silicon Valley. Ha sido recientemente reconocido como Role Model in AI por AI4ALL y ha recibido el premio Democracia Digital en Perú por el primer diccionario Inglés-Español de términos técnicos en Inteligencia Artificial. En el 2010, IBM Research le otorgó el Premio a la Innovación por su tesis de doctorado: “Real-Time Extraction of Rules to Explain Vehicle Interactions from Traffic Cameras”. Omar también forma parte de LatinX in AI, una organización que crea oportunidades en educación e investiga los efectos de la Inteligencia Artificial en la comunidad latinos en Estados Unidos. Omar ha publicado más de 20 artículos de investigación científica y 7 patentes sobre Inteligencia Artificial y Computación. Los intereses de Omar incluyen el uso de las Matemáticas y las Redes Neuronales Artificiales para decodificar y entender el lenguaje humano.

Fundador de Research4Tech en 2018, en el afán de promover la ciencia e investigación en Latino América. Sus temas de interés son: Inteligencia Artificial, Procesamiento de Imágenes y Minería de Textos. Doctorando en Ciencia de la Computación en la Universidad de Sao Paulo, Brasil. Con publicaciones en ACM, IEEE, Springer. En proyectos de colaboración internacional con Alemania, México, Japón, Suecia, Perú en el tema de análisis de redes sociales para monitorear el impacto de covid-19 en la sociedad.

Científico Computacional y docente universitario. Actualmente es jefe de la carrera de Ingeniería Informática en la Universidad Peruana Cayetano Heredia. Tiene una maestría en Ciencia de la Computación de la Universidad Estadual de Campinas (Brasil) y es Ingeniero Informático por la Pontificia Universidad Católica del Perú. Ha tenido una estancia de investigación en la Universidad de Montreal bajo la supervisión del Prof. Yoshua Bengio. Sus áreas de interés son: Inteligencia Artificial, Machine Learning y Visión Computacional.