Fecha: 19 de mayo de 2021 a las 4 pm de México (GMT-5).
Por favor llena este formato para que te enviemos el link de Zoom para asistir a las charlas
Gabriel Ruiz Hernández. La Facultad de Ciencias de la UNAM le abrió las puertas para su formación: Licenciatura y Maestría. Obtuvo el doctorado en el CIMAT en 2006. Hizo estancias posdoctorales en el IMPA, MIT y en el IMUNAM Cuernavaca. La Geometría Diferencial es el área donde está enmarcada la investigación que lleva a cabo. Su trabajo está dirigido al estudio de propiedades topológicas y geométricas extrínsecas de subvariedades, como son las de curvatura media constante, mínimas, umbílicas por mencionar las más estudiadas en la literatura. Un objetivo natural es clasificar, local o globalmente, subvariedades que cumplen propiedades topológicas o geométricas especiales.
Titulo. Superficies con dirección principal canónica y curvatura media prescrita
Resumen. Una superficie inmersa en el espacio Euclidiano tiene una dirección principal canónica con respecto a un campo constante d, si la parte tangente $d^\top$ es una dirección principal a lo largo de la superficie. En esta charla daremos una clasificación de tales superficies con curvatura media prescrita dada como una función afín de: la función ángulo, soporte y altura. Este resultado se obtuvo en colaboración de Rafael López de la Universidad de Granada.
Luz Angélica Caudillo Mata. Actualmente trabaja como R&D Geointelligence Scientist en MDA, la empresa de tecnología espacial más grande de Canadá. Su trabajo se enfoca en el desarrollo de sistemas y algoritmos de aprendizaje profundo y fusión de imágenes satelitales para diversas aplicaciones de geointeligencia.
Luz Angélica se especializa en el diseño, análisis e implementación de algoritmos para modelado geomatemáticos, simulación a gran escala de fenómenos físicos (electromagnéticos) y aprendizaje automático. Cuenta con más de 17 años de experiencia en diversos entornos de I + D en la academia, laboratorios nacionales e industria en diferentes culturas (Canadá, México, España y USA (Berkeley & Livermore National Labs)). A lo largo de su carrera, Luz Angélica ha publicado en revistas científicas arbitradas internacionales, impartido charlas en conferencias científicas internacionales de alto perfil, organizado eventos técnicos a nivel nacional e internacional, y contribuido a comercializar tecnologías para detección de recursos naturales y para automatizar cálculos estructurales en fabricación de techos.
Luz Angélica también ha co-fundado y co-organizado varias iniciativas para conectar Industria y Academia, y para incrementar la representación de científicos latinos en STEM. Por ejemplo, fue miembro fundador del Taller de Solución de Problemas Industriales que inició en CIMAT en 2008, y el cual dirigió de 2009 a 2011. Actualmente es co-organizadora de RIIAA (Reunión Internacional de Inteligencia Artificial y sus Aplicaciones) y co-fundó el programa CIRCOS (Círculos Comunitarios) dentro de dicha conferencia.
Luz Angélica tiene un postdoctorado industrial y doctorado en Geofísica y Matemáticas de la Universidad de British Columbia, un MSc. en Ciencias de la Computación y Matemáticas Industriales del Centro de Investigación en Matemáticas (CIMAT), y una licenciatura. en Matemática Computacional de la Universidad de Guanajuato.
Titulo. Un enfoque de aprendizaje profundo para el mapeo de prospectividad de acuíferos
Resumen. La exploración de acuíferos requiere la integración efectiva de conjuntos de datos de geociencias diversos y a gran escala (por ejemplo, geofísicos, hidrológicos, geológicos, geoquímicos) para ubicar, delinear y / o caracterizar los recursos hídricos. Proponemos un enfoque de aprendizaje profundo para demostrar cómo esta tecnología puede enriquecer el proceso de mapeo de prospectividad. La base del enfoque propuesto es una red neuronal convolucional profunda que diseñamos para aprender características de múltiples escalas. Veremos un ejemplo de este enfoque utilizando datos del Territorio del Norte en Australia.