Merge branch 'main' into patch-2

espsrc · Nov 13, 2023 · f477bdd · f477bdd
2 parents ec1019c + 86ce84d
commit f477bdd
Show file tree

Hide file tree

Showing 2 changed files with 9 additions and 7 deletions.
diff --git a/README.md b/README.md
@@ -32,7 +32,7 @@ También te pedimos que te registres específicamente al evento de DataBeersGRX
 
 ### Sesión 1. Miércoles 22 de noviembre de 12:00h a 14:00h 
 - AI Empowering Everyday Operations: A Non-AI-Focused Technological Company's Success Story. Antonio Gámiz Delgado, Badger Maps (TBC)
-- Using NLP, Emotions and Explainability for Detecting Depression. Santiago González Silot, Universidad de Jaén (TBC)
+- Using AI techniques to create hyper realistic digital twins. Manuel Rodrigo Cabello Malagón, Plain Concepts - MVP Artitificial Intelligence
 - IA Generativa: Creando la APP del Concurso de Méritos de Andalucía en "cuatro ratos". Francisco Guerrero Aranda, Junta de Andalucía
 - Neutral hydrogen profile classification using Convolutional Neural Networks. Manuel Parra-Royón, IAA-CSIC
 
@@ -45,13 +45,13 @@ También te pedimos que te registres específicamente al evento de DataBeersGRX
 ### Sesión 3. Jueves 23 de noviembre de 12:00h a 14:00h 
 - El Papel del Machine Learning en un mayor entendimiento de la estructura y evolución estelares, así como los sistemas planetarios que las alberga. Maria Ángeles Mendoza Pérez, IAA-CSIC
 - Can AI help reduce road accidents? Manuel Martín Salvador, Blink Technologies
-- Using AI techniques to create hyper realistic digital twins. Manuel Rodrigo Cabello Malagón, Plain Concepts - MVP Artitificial Intelligence
 - ¿Qué piensan los profesionales de la educación sobre el uso de herramientas de IA como ChatGPT en el aula: es una cuestión de ética docente? Emilia Martos Sánchez, Junta de Andalucía
+- Charla 4 TBC 
 
 ### Sesión 4. Jueves 23 de noviembre de 16:00h a 18:00h 
 - Beyond the Black Box: The Promise of SHAP in AI Interpretability. Sergio Marco Chapapría, Verne Technology Group
 - Con paciencia y saliva, resolvió el problema computacional la hormiga. Antonio Mora, Universidad de Granada (TBC)
-- Charla 3 (TBC)
+- Using NLP, Emotions and Explainability for Detecting Depression. Santiago González Silot, Universidad de Jaén
 - Los datos y las cervezas de DataBeers. JJ Merelo, Universidad de Granada 
 
 
@@ -157,7 +157,7 @@ We also ask you to register in particular to the DataBeers event [here](https://
 ## Preliminary agenda 
 ### Session 1. Wednesday 22nd November 12pm - 2pm 
 - AI Empowering Everyday Operations: A Non-AI-Focused Technological Company's Success Story. Antonio Gámiz Delgado, Badger Maps (TBC)
-- Using NLP, Emotions and Explainability for Detecting Depression, Santiago González Silot. Universidad de Jaén (TBC)
+- Using AI techniques to create hyper realistic digital twins. Manuel Rodrigo Cabello Malagón, Plain Concepts - MVP Artitificial Intelligence
 - IA Generativa: Creando la APP del Concurso de Méritos de Andalucía en "cuatro ratos". Francisco Guerrero Aranda, Junta de Andalucía
 - Neutral hydrogen profile classification using Convolutional Neural Networks. Manuel Parra-Royón, IAA-CSIC
 
@@ -169,14 +169,14 @@ We also ask you to register in particular to the DataBeers event [here](https://
 
 ### Session 3. Thursday 23rd November de 12pm - 2pm 
 - El Papel del Machine Learning en un mayor entendimiento de la estructura y evolución estelares, así como los sistemas planetarios que las alberga. Maria Ángeles Mendoza Pérez, IAA-CSIC
-- Can AI help reduce road accidents? Manuel Martín Salvador. Blink Technologies
-- Using AI techniques to create hyper realistic digital twins. Manuel Rodrigo Cabello Malagón, Plain Concepts - MVP Artitificial Intelligence 
+- Can AI help reduce road accidents? Manuel Martín Salvador, Blink Technologies
 - ¿Qué piensan los profesionales de la educación sobre el uso de herramientas de IA como ChatGPT en el aula: es una cuestión de ética docente? Emilia Martos Sánchez, Junta de Andalucía
+- Charla 4 TBC
 
 ### Session 4. Thursday 23rd November 4pm - 6pm 
 - Beyond the Black Box: The Promise of SHAP in AI Interpretability. Sergio Marco Chapapría, Verne Technology Group
 - Con paciencia y saliva, resolvió el problema computacional la hormiga. Antonio Mora, Universidad de Granada (TBC)
-- Charla 3 (TBC)
+- Using NLP, Emotions and Explainability for Detecting Depression, Santiago González Silot. Universidad de Jaén
 - Los datos y las cervezas de DataBeers. JJ Merelo, Universidad de Granada 
 
 

diff --git a/talks/MAngeles_Mendoza.md b/talks/MAngeles_Mendoza.md
@@ -14,3 +14,5 @@ Maria Ángeles Mendoza Pérez
 En las últimas décadas, se está invirtiendo un gran esfuerzo en la comprensión de los procesos físicos implicados en el área de la Astrofísica, como la detección de exoplanetas, la clasificación y evolución de las galaxias, la fijación de las edades de las poblaciones estelarea. Gracias a las misiones espaciales (CoRoT, Kepler, GAIA, etc.) y a sus programas de seguimiento en tierra, la cantidad de datos astrofísicos  y relacionados ha aumentado de forma espectacular. Además, otro
 proyectos como EUCLID y la misión PLATO2.0 (2026) multiplicarán por cientos los datos disponibles.
 Así, las técnicas de ML se han popularizado en Astrofísica, no solo porque posibilitan el tratamiento de la gran cantidad de datos, sino también porque ofrecen una oportunidad única para incorporar masivamente estos datos y aprender de sus patrones. El uso combinado de técnicas de ML y Procesamiento de señales abre el camino al Reconocimiento Automático de Patrones en Datos Astrofísicos, contribuyendo significativamente a la comprensión de los procesos implicados, aportando una solución largamente esperada en la comunidad ciéntifica.
+
+
Original file line number	Diff line number	Diff line change
Expand Up		@@ -14,3 +14,5 @@ Maria Ángeles Mendoza Pérez
		En las últimas décadas, se está invirtiendo un gran esfuerzo en la comprensión de los procesos físicos implicados en el área de la Astrofísica, como la detección de exoplanetas, la clasificación y evolución de las galaxias, la fijación de las edades de las poblaciones estelarea. Gracias a las misiones espaciales (CoRoT, Kepler, GAIA, etc.) y a sus programas de seguimiento en tierra, la cantidad de datos astrofísicos y relacionados ha aumentado de forma espectacular. Además, otro
		proyectos como EUCLID y la misión PLATO2.0 (2026) multiplicarán por cientos los datos disponibles.
		Así, las técnicas de ML se han popularizado en Astrofísica, no solo porque posibilitan el tratamiento de la gran cantidad de datos, sino también porque ofrecen una oportunidad única para incorporar masivamente estos datos y aprender de sus patrones. El uso combinado de técnicas de ML y Procesamiento de señales abre el camino al Reconocimiento Automático de Patrones en Datos Astrofísicos, contribuyendo significativamente a la comprensión de los procesos implicados, aportando una solución largamente esperada en la comunidad ciéntifica.