El Evento

El Congreso Mexicano de Inteligencia Artificial es organizado por la Sociedad Mexicana de Inteligencia Artificial (SMIA) y se promueve como un foro científico serio para presentación y publicación de trabajos de investigación derivados de tesis o proyectos, terminados o en proceso, en español.

Los artículos deberán ser sometidos en línea utilizando el sistema EasyChairhttps://easychair.org/conferences/?conf=comia2018

Los trabajos enviados deben someterse con contenidos sobre la investigación significativa, original y no publicada anteriormente, en todas las áreas de la inteligencia artificial, ya sea de investigación o aplicaciones.

Los trabajos deberán ser enviados sin nombres de los autores, afiliación y/o auto-referencias para realizar una revisión doblemente ciega. Al presentar un artículo se asume que al menos un autor se registrará en la conferencia y presentará el trabajo aceptado o, de ser el caso, un póster. El costo de registro será pagado por completo por cada uno de los artículos que sean aceptados. Se planea tener además talleres, concursos y tutoriales en el marco de la conferencia.

Descargar Call for Papers (aquí)

El Evento

Congreso Mexicano de 

Inteligencia Artificial 2018

5 al 8 de junio, Yucatán , México.

Temas

FECHAS

20 de Abril   Límite para recepción de artículos 
 

30 de abril  Notificación de artículos admitidos

7 de mayo      Límite para recepción de versiones finales

18 de mayo   Cierre de registro de autores y límite de pago

Autores  $3,000.00

  • Incluye publicación en la revista "Research in Computing Science" (indexada en Latindex y DBLP

  • Acceso a conferencias plenarias

  • Acceso a sesiones temáticas

  • Coctél de bienvenida

  • Cena de gala

Profesionistas  $1,000.00

  • Acceso a conferencias plenarias

  • Acceso a sesiones temáticas

Estudiantes  $250.00

  • Acceso a conferencias plenarias

  • Acceso a sesiones temáticas

COSTOS

Programa

Sedes

  • Universidad Politécnica de Yucatán

  • Teatro José Peón Contreras

  • Hacienda Anicabil

Actividades Culturales

  • Visita al GMMM* (info)

  • Cena en el parque de Santa Lucía** (directorio)

  • Serenata de Santa Lucía

  • Tour a la Z.A. Uxmal*

*actividad c/costo

**requiere reservación previa

Conferencistas

Sistemas Inteligentes y Afectivos en la Educación

María Lucia Barrón Estrada

PhD en Ciencias de la Computación

Tecnológico Nacional de México / Instituto Tecnológico de Culiacán

La Inteligencia Artificial (IA) ha impactado significativamente diversos ámbitos del quehacer humano y una de las áreas más beneficiadas ha sido la Educación con la incorporación de diversas herramientas y tecnologías que coadyuvan a mejorar el proceso de enseñanza-aprendizaje al considerar aspectos cognitivos y emocionales de los estudiantes.

En esta plática se presenta un panorama general de las diferentes tecnologías para el aprendizaje como los Sistemas Tutores Inteligentes (STI) o Entornos Inteligentes de Aprendizaje (EIA) que incluyen diversos mecanismos para reconocimiento de emociones, con el fin de personalizar la enseñanza a las necesidades cognitivas y afectivas de los estudiantes. Se describirá la creación de sistemas reconocedores de emociones que utilizan distintos métodos para captar señales a través de varios dispositivos y procesarlas con diferentes clasificadores con el fin de determinar el estado afectivo de los estudiantes. Además, se presentará la integración del módulo de reconocimiento de emociones con los sistemas para el aprendizaje con el fin de generar Sistemas Inteligentes y Afectivos.

Inteligencia Artificial para la Industria 4.0

Luis Alberto Muñoz Ubando

PhD en Imágenes, Visión y Robótica

Presidente Regional Sureste y VP Nacional de Innovación de Canieti

El éxito de las técnicas y algoritmos de inteligencia artificial para el desarrollo de aplicaciones y soluciones prácticas han venido abriendo nuevos espectros controversiales sobre los posible riesgos en el desempleo en las economías más industrializadas, sin embargo y aun con las enormes facilidades de espacio (Cloud) y de procesamiento masivo (HPC), hacen que las soluciones completamente automatizadas sean todavía una fantasía insostenible.

Por otro lado, esas mismas facilidades han permitido que técnicas consideradas ancestrales tengan hoy día un margen de aplicación importante, sobre todo aquellas relacionadas con aprendizaje automático, profundo, supervisado y no supervisado.

 

Pero ¿ Qué hay más allá de poder diferenciar entre un panqué con pasas y un canino ? Los nuevos modelos de negocio requieren que apuntalemos fuertemente el desarrollo de talento en nuestro país, subiéndonos de manera pertinente al uso de las nuevas tecnologías, pero también debemos innovar. 

En esta presentación hablaremos de las nuevas vertientes en el área de IA para la denominada Industria 4.0, analizaremos las complejidades computacionales inherentes a los métodos actuales y trataremos de identificar nuevas y realistas áreas de colaboración.

Lingüística Computacional

Gerardo E. Sierra Martínez 

PhD en Lingüística Computacional

Universidad Nacional Autónoma de México, Instituto de Ingeniería 

Líder del Grupo de Ingeniería Lingüística. Doctor en Lingüística Computacional por la Universidad de Manchester, Inglaterra. Sus áreas de interés se enfocan a la lexicografía computacional, terminótica, extracción conceptual, corpus lingüísticos, minería de textos y lingüística forense.

 

Es autor del libro “Introducción a los corpus lingüísticos”, coautor de los libros “Tratamiento de información textual y generación de taxonomías” y “Lingüística computacional en México: Investigación y desarrollo”, y ha publicado más de cien artículos en revistas, capítulos de libros y artículos arbitrados de congresos. 

Conferencistas

Sistemas Inteligentes y Afectivos en la Educación

María Lucia Barrón Estrada

PhD en Ciencias de la Computación

Tecnológico Nacional de México / Instituto Tecnológico de Culiacán

La Inteligencia Artificial (IA) ha impactado significativamente diversos ámbitos del quehacer humano y una de las áreas más beneficiadas ha sido la Educación con la incorporación de diversas herramientas y tecnologías que coadyuvan a mejorar el proceso de enseñanza-aprendizaje al considerar aspectos cognitivos y emocionales de los estudiantes.

En esta plática se presenta un panorama general de las diferentes tecnologías para el aprendizaje como los Sistemas Tutores Inteligentes (STI) o Entornos Inteligentes de Aprendizaje (EIA) que incluyen diversos mecanismos para reconocimiento de emociones, con el fin de personalizar la enseñanza a las necesidades cognitivas y afectivas de los estudiantes. Se describirá la creación de sistemas reconocedores de emociones que utilizan distintos métodos para captar señales a través de varios dispositivos y procesarlas con diferentes clasificadores con el fin de determinar el estado afectivo de los estudiantes. Además, se presentará la integración del módulo de reconocimiento de emociones con los sistemas para el aprendizaje con el fin de generar Sistemas Inteligentes y Afectivos.

Inteligencia Artificial para la Industria 4.0

Luis Alberto Muñoz Ubando

PhD en Imágenes, Visión y Robótica

Presidente Regional Sureste y VP Nacional de Innovación de Canieti

El éxito de las técnicas y algoritmos de inteligencia artificial para el desarrollo de aplicaciones y soluciones prácticas han venido abriendo nuevos espectros controversiales sobre los posible riesgos en el desempleo en las economías más industrializadas, sin embargo y aun con las enormes facilidades de espacio (Cloud) y de procesamiento masivo (HPC), hacen que las soluciones completamente automatizadas sean todavía una fantasía insostenible.

Por otro lado, esas mismas facilidades han permitido que técnicas consideradas ancestrales tengan hoy día un margen de aplicación importante, sobre todo aquellas relacionadas con aprendizaje automático, profundo, supervisado y no supervisado.

 

Pero ¿ Qué hay más allá de poder diferenciar entre un panqué con pasas y un canino ? Los nuevos modelos de negocio requieren que apuntalemos fuertemente el desarrollo de talento en nuestro país, subiéndonos de manera pertinente al uso de las nuevas tecnologías, pero también debemos innovar. 

En esta presentación hablaremos de las nuevas vertientes en el área de IA para la denominada Industria 4.0, analizaremos las complejidades computacionales inherentes a los métodos actuales y trataremos de identificar nuevas y realistas áreas de colaboración.

Lingüística Computacional

Gerardo E. Sierra Martínez 

PhD en Lingüística Computacional

Universidad Nacional Autónoma de México, Instituto de Ingeniería 

Líder del Grupo de Ingeniería Lingüística. Doctor en Lingüística Computacional por la Universidad de Manchester, Inglaterra. Sus áreas de interés se enfocan a la lexicografía computacional, terminótica, extracción conceptual, corpus lingüísticos, minería de textos y lingüística forense.

 

Es autor del libro “Introducción a los corpus lingüísticos”, coautor de los libros “Tratamiento de información textual y generación de taxonomías” y “Lingüística computacional en México: Investigación y desarrollo”, y ha publicado más de cien artículos en revistas, capítulos de libros y artículos arbitrados de congresos. 

How the Cloud is Creating Massive Data Sets which make Enterprise Machine Learning interesting

Ing. José Luis Valerio & Oracle specialists

Oracle Autonomous Database Director

A challenge for Machine Learning is having enough clean data to do interesting things.  Now that many enterprises are running their systems on Enterprise Clouds, we have some unique opportunity to build real existing solutions using the meta-data existing in these environments.

From building databases that can manage and tune themselves, to increasing system availability from faults, to having recruiting systems that are intelligent to route candidates to the managers who have the positions that are the best fit. This session will cover how ML is transforming how we deliver enterprise systems, and introduce some of the fun challenges of doing a math focused coding career.

Similarity, Correlation and Association Measures in Data Science

Ildar Batyrshin

PhD 

Centro de Investigación en Computación (CIC), IPN

Last years it is significantly increased the number of works on similarity, correlation and association measures as descriptive measures of relationship, interestingness, dependency and resemblance in data mining, data analysis, classification and machine learning. The methods of construction of similarity, correlation and association measures for different types of data are considered. The methods of 3D visualization of some families of similarity and correlation measures are presented.