Women in data science Valencia

28 de febrer de 2019
CATEGORIA:
Energia
COMPARTEIX:
TW - FB
  • WiDS València és la primera edició, en la Comunitat Valenciana, de la Conferència Global Women in Data Science (WiDS) celebrada per la Universitat de Stanford que es duu a terme en més de 150 ciutats a tot el món.

Persones de tots els gèneres estan convidades a assistir als esdeveniments regionals de WiDS, que tenen com a objectiu inspirar i educar als científics de dades a través de dones que destaquen pel seu treball excepcional i al mateix manera contribueixen a la visibilitat d’elles en aquest camp.

Aquesta conferència tècnica d’un dia ofereix l’oportunitat d’entaular relació amb les últimes investigacions i aplicacions relacionades a la ciència de dades en una sèrie de dominis i a crear connexions amb professionals.

Agenda

15.30 Taller “Nocions estadístiques per a maneig de dades” – Ángeles Calduch

15.30 Taller “Com aprenen les màquines? Una introducció pràctica a l’aprenentatge automàtic” – Laura Sebastià

18.30 Pausa

18.50 Vídeo de Bienvenida des de WiDS Stanford

18.55 Paraules de benvinguda de WiDS Ambassadors

19.00 Technical Vision Talks ​​”Using Data Effectively: ​Beyond ​ Art and Science” – Hilary Parker – Livestream WiDS Stanford

19.20 Technical Vision Talks ​​”Improving Health Requires ​Targeting and Evidence” – Marzyeh Ghassemi – Livestream WiDS Stanford

19.50 Mesa redona. Amb Laura Rodríguez, Rosa Benet i Cristina Aranda. Modera: Fernanda Peset

Ponents de la jornada

Ángeles Calduch Llosa
Ángeles és Subdirectora d’Ordenació Acadèmica i Alumnat de la ETSINF-UPV. Es Va llicenciar en Estadística i té un doctorat en Matemàtiques. Ha participat en diversos projectes acadèmics com: Using Social Networks to teach in University, Depicting the visibility of private companies using web-based data, Core Skills for 21st Century Professionals (CoSki21), Teaching project. Sempre immersa en el món de les dades compta amb investigacions com Estimating web impact evidence from interconnected data sources, Webometric methods to identify web trends in industrial sectors.

Laura Sebastià
Laura és doctora en Intel·ligència Artificial per la UPV, professora, investigadora i Subdirectora Docent del Departament de Sistemes Informàtics i Computació. Les seues línies d’investigació se centren en la planificació automàtica, els sistemes de recomanació i l’anàlisi de dades. Ha treballat en molts projectes d’investigació, actualment dirigeix el projecte ARPIA (Activity Recognition and Planning for Intelligent Assistants) on col·labora amb investigadors de la UC3M amb la finalitat de construir assistents intel·ligents per a entorns en els quals les dades són seqüències d’activitats realitzades per agents, per a aplicar-los a entorns de gestió de trànsit, robots assistents per a persones majors, etc. També ha treballat en el desenvolupament de sistemes de recomanació per a turisme (col·laborant amb Destinia.com) i en l’anàlisi de dades turístiques que provenen de fonts obertes de dades.

Cristina Aranda
Cristina compta amb una experiència de més de 16 anys en el món del màrqueting, de la innovació i de la transformació digital a través del seu treball amb Ibex35, Top500, Pimes i diverses Startups. A més és Cofundadora de Dones Tech, una associació sense ànim de lucre que promou iniciatives amb presència femenina en la tecnologia i estableix llaços amb homes disposats a generar la mateixa igualtat d’oportunitats. És Doctora en Lingüística Teòrica i Aplicada per la UAM i el IUI. Ortega y Gasset, llicenciada en Filologia Hispànica per la UAM, Màster en Internet Business pel ISDI i Digital Technology for Business Program per IGZ Academy. En l’actualitat treballa en PR, Pre-Sales & Innovation Research en Intelygenz mentre aprofundeix en el processament natural del llenguatge per a la seua aplicació en la Internet de les coses i la intel·ligència artificial.

Laura Rodríguez
Laura és en l’actualitat Vice-President Analytics en ForwardKeys. En la seua experiència anterior ha desenvolupat diferents rols tècnics i comercials en àmbits com a ajudes a la navegació, generació solar fotovoltaica o formació. La seua formació acadèmica va iniciar amb una llicenciatura en Física per la UV, té un Màster en Data Analysis Engineeering, Process Improvement and Decision Making, per la UPV, Màster en Business Administration and Management, MBA per la Universitat Europea de Madrid (Estema) i Diplomada en Investigació Operativa i Sistemes per la UV. En 2014 es va unir al projecte de ForwardKeys, creant i consolidant un departament d’analistes en el qual la innovació i el servei al client són els eixos fonamentals.

Rosa Benet
Rosa treballa en l’actualitat com Data Scientist en Cajamar Data Lab. És European Financial Advisor €FA i imparteix cursos a l’Escola de Formació Financera del GCC. Es va llicenciar en Matemàtiques i Ciències Tècniques Estadístiques en la Universitat de València. Té interés en Big Data, Machine Learning, xarxes neuronals i la seua aplicació en diversos camps.

Fernanda Peset – Moderadora
Fernanda Peset és Titular de la Universitat Politècnica de València. La seua docència i publicacions s’orienten a: la comunicació científica, l’accés obert i la implantació del protocol OAI-PMH, la normalització de la informació, la descripció de documents, sistemes de documentació de museus i dades obertes i enllaçades. Els seus últims projectes estan relacionats amb la implantació de tecnologia blockchain i iniciatives per a promoure una economia més justa.

Tallers

Nocions estadístiques per a maneig de dades

per Ángeles Calduch Llosa
Lab. Radia Perlman – 1B – ETSInf

En l’actualitat hi ha una gran quantitat de dades que es representen i analitzen, i els seus resultats són mostrats en canals de televisió, en mitjans digitals… Entenem realment el que ens volen dir aqueixes representacions? Som capaços de detectar errors o males pràctiques? En aquest taller es veuran conceptes estadístics bàsics i es donaran unes directrius per a entendre i analitzar aquesta informació.

Com aprenen les màquines? Una introducció pràctica a l’aprenentatge automàtic

per Laura Sebastià
Lab. Richard Stallman – 1B – ETSInf

L’auge la intel·ligència artificial en els últims anys és innegable. Diàriament utilitzem eines que aprenen dels nostres actes, els nostres gustos, etc. i que ens ajuden en certes tasques com decidir quina pel·lícula veure en Netflix, quin llibre comprar en Amazon, quina ruta agafar per a tornar a casa, etc. I com funcionen aquests sistemes? Com aprenen? En aquest taller, farem una xicoteta introducció a l’aprenentatge automàtic, veurem en què consisteix i les tècniques bàsiques de machine learning. Finalment, realitzarem una xicoteta pràctica per a desenvolupar un sistema de predicció molt senzill.

COMPARTEIX:
TW - FB