BCAM acoge la 1ª semana IN-DEEP

El workshop del proyecto IN-DEEP, una Red Doctoral MSCA para la formación de estudiantes de doctorado en técnicas de aprendizaje profundo, reunió recientemente a estudiantes y miembros del consorcio en un evento exclusivo de formación y colaboración científica. IN-DEEP, centrado en proporcionar formación de alto nivel a nueve estudiantes de doctorado, busca desarrollar algoritmos de aprendizaje profundo explicables y basados en el conocimiento para resolver rápidamente problemas inversos gobernados por ecuaciones en derivadas parciales (PDEs). Esta área de investigación ha crecido significativamente en los últimos cinco años debido a sus resultados prometedores en aplicaciones como el reconocimiento de imágenes y el procesamiento del lenguaje natural. El workshop fue organizado por Judit Muñoz-Matute, investigadora postdoctoral en el Basque Center for Applied Mathematics.

El evento, estructurado en cinco días, incluyó una variedad de actividades que fomentaron la colaboración y la adquisición de conocimientos clave en diferentes áreas de aplicación. Durante los dos primeros días, se presentaron avances científicos en aplicaciones de inteligencia artificial, computación de alto rendimiento y problemas inversos aplicados a la geofísica, ciudades inteligentes y salud. En el tercer día, los participantes asistieron a un curso técnico centrado en la implementación de solucionadores profundos de PDEs. En el cuarto día, los estudiantes de doctorado recibieron formación en metodología de investigación y herramientas de habilidades transversales. Además, el jueves, el workshop dedicó parte del día a diversas capacitaciones, abordando temas críticos como la igualdad de género y la ciencia abierta.

En la sesión de género, se discutió la importancia de fomentar la igualdad en el entorno laboral, destacando los derechos y responsabilidades que cada persona tiene para contribuir a un ambiente de respeto y equidad. También se resaltó el valor de crear un espacio diverso y respetuoso que fomente la colaboración entre colegas masculinos y femeninos. Se abordó además la persistente brecha de género en las disciplinas STEM y la falta de modelos femeninos a seguir que inspiren a las nuevas generaciones, recordando la necesidad de trabajar en soluciones que promuevan una representación más equitativa.

Por otro lado, se llevó a cabo una capacitación sobre Ciencia Abierta en el marco de la 1ª Semana IN-DEEP, coincidiendo con la Semana Internacional del Acceso Abierto. Esta reunión incluyó una charla dirigida por Miguel Benítez, gestor de proyectos en BCAM, en la que se dio una visión general de la Ciencia Abierta y sus implicaciones. La sesión se centró en la relevancia de los conjuntos de datos, la diferencia entre editores y repositorios, y la necesidad de realizar los reconocimientos apropiados en los trabajos académicos, contribuyendo así a un conocimiento científico más accesible y colaborativo.

Este workshop ha permitido consolidar la colaboración entre instituciones académicas y centros tecnológicos y empresas participantes, impulsando así la actividad investigadora europea en tecnologías de aprendizaje profundo aplicadas a problemas inversos.

IN-DEEP es una Red Doctoral Europea compuesta por nueve candidatos a doctorado (DCs) y científicos de alto nivel con áreas de especialización complementarias en matemáticas aplicadas, inteligencia artificial, computación de alto rendimiento y aplicaciones de ingeniería. Su objetivo principal es proporcionar formación de alto nivel a los nueve DCs en el diseño, implementación y uso de algoritmos de aprendizaje profundo explicables y basados en el conocimiento para resolver de manera rápida y precisa problemas inversos gobernados por PDEs. Esta área de investigación ha experimentado un enorme crecimiento a nivel mundial en el último lustro debido a sus prometedores resultados en una amplia gama de aplicaciones, como el reconocimiento de imágenes y el procesamiento del lenguaje natural. IN-DEEP se centrará en problemas de alto riesgo de la vida real derivados de aplicaciones relacionadas con la geofísica, las ciudades inteligentes y la salud. Al hacerlo, impulsaremos las actividades de formación e investigación de Europa en nuevas tecnologías de aprendizaje profundo para problemas inversos.

Equipo de gestión del proyecto: David Pardo (Coordinador del proyecto, UPV/EHU), Izaskun Ibarbia (Coordinadora administrativa, UPV/EHU), Magdalena Strugaru (Gerente del proyecto, UPV/EHU)
Gerente de ética: Francisco Chinesta (ENSAM)
Comité científico: David Pardo (UPV/EHU), Alessandro Reali (UniPV), Judit Muñoz-Matute (BCAM), Maciej Paszynski (AGH), Kristopher Van der Zee (UoN), Stefano Berrone (POLITO), Javier Del Ser (Tecnalia), Gwendal Jouan (Siemens) y Francisco Chinesta (ENSAM)
Consejo de supervisión: David Pardo (UPV/EHU), Alessandro Reali (UniPV), Judit Muñoz-Matute (BCAM), Maciej Paszynski (AGH), Kristopher Van der Zee (UoN), Stefano Berrone (POLITO), Javier Del Ser (Tecnalia), Gwendal Jouan (Siemens), Francisco Chinesta (ENSAM), Ivan Bioli (representante de los DC, UniPV)