Programa
Lugar: Pabellón E
Segundo Pation, Monoblock Central de la UMSA
WiFi
Red: UMSA Eventos
Password: Conferencias2k7!
| Hora | Martes | Miércoles | Jueves | Viernes |
|---|---|---|---|---|
| 8:30 | Curso A (Sesión 1) | Curso A (Sesión 2) | ||
| 9:00 | Curso A (Sesión 1) | Curso A (Sesión 2) | Curso A (Sesión 3) | |
| 9:30 | David Sossa | Estéfany Castillo | Curso A (Sesión 3) | |
| 10:00 | Fabiola Villanueva | Javier Martínez | Curso B (Sesión 3) | |
| 10:30 | Break | Break | Curso B (Sesión 3) | |
| 10:45 | Victor Patty | Ernesto Cupé | Flor Cardenas | |
| 11:15 | Oscar Bautista | Macarena Trigo | Lucy De la Cruz | |
| 11:45 | Curso B (Sesión 1) | Curso B (Sesión 2) | Clausura | |
| 12:15 | Curso B (Sesión 1) | Curso B (Sesión 2) | ||
| 12:45 | Almuerzo | Almuerzo | ||
| 15:00 | Alejandro Apaza | Trabajo | ||
| 15:30 | Daisy Arroyo | Trabajo | ||
| 16:00 | Break | Paseo por La Paz | ||
| 16:15 | Registro | Trabajo | ||
| 16:45 | Registro | Trabajo | ||
| 18:00 | Inauguración | |||
| 19:30 | Recepción | Cena de confraternización |
Cursos
 |
Curso AHerramientas de Optimización no lineal para clasificación de datosJulio LópezUniversidad Diego Portales |
En este curso, se presenta los principales problemas de optimización no lineal que aparecen en los modelos clásicos de clasificación de datos, los cuales construyen, ya sea un hiperplano o dos hiperplanos de clasificación. Estos problemas pertenecen a la clase de optimización convexa cuadrática con restricciones lineales. Luego, teniendo en cuenta las condiciones de optimalidad, se discuten sus respectivas formulaciones duales como también algunas herramientas computaciones para solucionarlas. Seguidamente, se discuten algunas métricas para medir y analizar el desempeño de los modelos de clasificación. Finalmente, se presentan algunas extensiones teniendo la naturaleza de los datos, por ejemplo, selección de características importantes, datos con ruido y presencia de outliers.
 |
Curso BFunciones de probabilidad: Propiedades de continuidad y diferenciabilidad bajo distribuciones elípticasPedro PérezUniversidad de Chile |
En este curso se introducirá́ la noción de función de probabilidad y se ilustrará́ su aplicación en modelos de problemas de optimización con restricciones en probabilidad. Formalmente, una función de probabilidad corresponde a un objeto definido de la siguiente manera: φ(x) := P(g_i(x,ξ) ≤ 0, ∀i = 1,...,s), donde ξ : Ω → \mathbb{R}^m es un vector aleatorio definido sobre un espacio de probabilidad (Ω, A, P), y g_i : \mathbb{R}^n × \mathbb{R}^m → \mathbb{R} representan un sistema de desigualdades aleatorio. Una vez introducido este concepto, se estudiarán las propiedades de continuidad de esta función. Para analizar las propiedades variacionales de primer orden, se introducirá́ la técnica de descomposición esférica radial, primero para vectores gaussianos y luego para distribuciones elípticas generales. Utilizando esta herramienta, se estudiará́ la diferenciabilidad de dichas funciones bajo la hipótesis de diferenciabilidad de g y s = 1. Finalmente, se ilustrarán de manera general las dificultades que surgen al considerar un sistema de desigualdades, es decir, cuando s > 1, y las técnicas necesarias para abordar dicho problema.