18 mayo, 2017

Coloquio 19 de mayo DCC UC

Foto binaria-1

El Departamento de Ciencia de la Computación UC (DCC UC) tiene el agrado de invitar para este viernes 19 de mayo, de 11:30 a 13:00 horas, a un coloquio con dos presentaciones: “Aprendizaje Profundo con pocos datos: reconocimiento de precios en etiquetas de supermercados” y “Desarrollo de la metacognición a través del trabajo colaborativo”, con los estudiantes de postgrado del Departamento de Ciencia de la Computación de Ingeniería UC, Felipe del Río y Vicente Martin.

Lugar: Sala Javier Pinto, campus San Joaquín, edificio San Agustín 4to. piso.

Detalle de las exposiciones

1. Título

“Aprendizaje Profundo con pocos datos: reconocimiento de precios en etiquetas de supermercados”

Resumen

En los últimos años, las técnicas de aprendizaje profundo han logrado posicionarse como el estado del arte en muchas y variadas tareas del área de aprendizaje de máquina. En sus inicios, en reconocimiento de objetos en imágenes, para luego lograr resultados increíbles en reconocimiento de caras, procesamiento de lenguaje natural, traducción automática y otras. Todas estas tareas tienen algo en común, poseen set de datos muy grandes con los cuales estas redes neuronales pueden ser entrenadas sin sobre ajustarse. Sin embargo, esta cantidad de datos no está disponible para muchas de las otras de las tareas que existen, limitando el uso exitoso de estas técnicas en estas tareas.

Este trabajo busca lograr encontrar distintas técnicas para la forma en que se entrenan los modelos de aprendizaje profundo para tareas con pocos datos. De manera de que se pueda aprovechar todo el potencial de este tipo de modelos. Para esto planteamos distintas soluciones: generación de datos sintéticos, agregación de tareas y un entrenamiento jerarquizado, de manera de que los modelos que entrenemos no sobre ajusten y obtengan buenos rendimientos en el set de test.

Todo esto fue probado en el contexto de la tarea de reconocimiento de precios en etiquetas de supermercados. Para lo cual se generó dos sets de datos de entrenamiento sintéticos. Uno que contaba con imágenes de palabras y no solo números, y otro solo con imágenes de precios. En paralelo, se recolectó y etiquetó un tercer set de datos con imágenes de precios reales. Nuestra red fue entrenada en distintas fases con estos tres set de datos, logrando finalmente resultados en reconocimiento de precios cercanos al 99% de exactitud en el set de testeo, mostrando de que logramos evitar el problema del sobre ajuste.

Abstract

“Deep Learning with little Data: price recognition in supermarket tags”
In the last few years, deep learning techniques had positioned themselves as the state of the art in many and varied tasks in machine learning. In their beginnings in image object recognition, to then achieve incredible results in face recognition, natural language processing, machine translation and others. All this tasks have one thing in common; they have very large datasets in which these neural networks can be trained without overfitting. Nevertheless, this amount of data isn’t available for many of the tasks that exist, limiting the successful use of these techniques in these tasks.

This work is looking to find different techniques in the way these deep training models are trained on tasks with little data. In order to be able to take full advantage of this type of models. To achieve this we suggest different solutions: synthetic data generation, task aggregation and hierarchical training, so that the models we train do not overfit and achieve good performance on the test set.

All this was tested in the context of price recognition in supermarket tags. For this, two sets of synthetic training data were generated. One of which was made of word images, not only numbers, and another with price images. In parallel, a third dataset was collected and tagged with real price images. Our network was trained in different stages with these three datasets, achieving finally results in price recognition close to 99% accuracy on the test set, showing that we could avoid the overfitting problem.

Expositor

Felipe del Río, estudiante de magíster Escuela de Ingeniería UC. Profesor Supervisor: Álvaro Soto.

2. Título

“Desarrollo de la metacognición a través del trabajo colaborativo”

Resumen

Diversos organismos internacionales como la Organización para la Cooperación y el Desarrollo Económico (OCDE), se han esforzado por identificar e implementar las “Habilidades del siglo XXI”. Para triunfar en la era de la información, es necesario que los estudiantes desarrollen este nuevo set de habilidades, siendo la colaboración y el pensamiento de orden superior una de las más importantes.

Hoy en día, el trabajo colaborativo en el aula está centrado en el desarrollo de habilidades sociales y de trabajo en equipo, y presenta dificultades al momento de planificar y desarrollar actividades. En este trabajo, se desarrolló una plataforma web que intenta resolver los problemas de overhead en la planificación y desarrollo de actividades colaborativas. La plataforma permite desarrollar actividades bajo el patrón responder-retroalimentar-rehacer, y de está forma, fomentar el desarrollo de la metacognición, componente esencial en el desarrollo de habilidades de pensamiento de orden superior. Desde marzo del presente año, el uso de esta plataforma se ha insertado en el modelo de Flipped Classroom, implementado por los cursos de Didáctica de la Matemática y Didáctica de la Lectura, impartidos por Facultad de Educación de la Pontificia Universidad Católica de Chile, en los cuales se pretende estudiar la evolución de las habilidades de colaboración y metacognición de los alumnos a lo largo del semestre.

Abstract

“Metacognitive development through collaborative work”
The “21st Century Skills” have been identified and implemented by many international organizations such as the Organization for Economic Cooperation and Development (OECD). Within the contemporary needs of the present society, such skills become more than necessary for students to succeed. Collaborative working and higher order thinking, are one of the most important learning skills to be developed.

Nowadays, collaboration in the classroom is centered in developing social abilities and teamwork, and presents several problems in the planification and realization of the tasks. In this research, we developed a web based platform that attempts to solve the overhead of the planification and realization problems. The platform, follows an answer-feedback-remake model to promote metacognition, essential in the development of the higher order thinking abilities. Since march, the platform has been used by the School of Education of the Pontificia Universidad Católica de Chile, in the courses of Math Didactics and Reading Didactics. The research intends to study the evolution of the mentioned abilities in students during the present semester.

Expositor

Vicente Martin, estudiante de magíster, Escuela de Ingeniería UC. Profesor supervisor: Miguel Nussbaum.