El uso de técnicas de aprendizaje automático en problemas relacionados con la astronomía ha crecido exponencialmente en la última década. Hoy en día las aplicaciones no sólo se “limitan” a extraer información relevante de grandes conjuntos de datos y/o optimizar las estrategias de observación/estudio, sino también a resolver ecuaciones complejas y “almacenar eficientemente” modelos multiparamétricos.

En este minitaller (dos días de ~3 horas sincrónicas cada uno), los ponentes se centrarán en presentar casos prácticos de uso de técnicas “clásicas” así como de aprendizaje profundo y también de métodos informados por la física. Concluiremos cada día con una mesa redonda de ~1 hora de duración sobre los retos que plantean los distintos temas.

La inscripción será gratuita pero limitada para garantizar la participación en las preguntas y respuestas y en las mesas redondas.

El taller está abierto a participantes con conocimientos básicos/avanzados de aprendizaje automático, así como a principiantes con interés en saber más sobre estas técnicas. Se valorará positivamente la experiencia práctica.

Fecha límite para la presentación de solicitudes: 26 de julio

Solicitudes: bit.ly/3xJZrim

————

Mini taller “Machine Learning in Astronomy, from classical to physics-informed” (Aprendizaje automático en astronomía, de lo clásico a lo informado por la física)

Fecha: 28-29 de julio de 2021 (por confirmar)

Organizadores: A. Bayo (UV), S. Bovino (UdeC), F. Forster (UCh), T. Grassi (MPE)

Patrocinado por MAS, NPF, TITANs, MPE

Ponentes: K. Peña, M. Araya, G. Cabrera, P. Sanchez-Saez, M. Matthaiakis, T. Grassi, A. Ribas