INSTRUCTORS:
Dr. Jenaro Nosedal-Sanchez, Tecnológico de Monterrey, Campus Chihuahua
Dr. Alvaro Nosedal-Sanchez, University of Toronto Mississauga

NEURAL NETWORKS

Artificial Neural Networks (ANN) have become very popular due to their versatility to analyze complex data. One of the main applications of ANN is predictive modeling. Prediction models can be used for regression and classification. The main difference between regression and classification models lies in the nature of the output variable of interest.

An example of a regression problem is the following: predicting ticket price (output variable is continuous) using the following inputs (also known as predictor variables or features): airline, destination, and total stops. An instance of a classification problem would be trying to predict mode of transportation (output variable is categorical or discrete) using terminal wait time, cost for all stages, travel time, and traveling group size.

THE WORKSHOP

At the end of this three-hour seminar, attendees will have a foundational understanding of the mathematical aspects involved in ANN models and will be able to implement these models for regression and classification purposes.

The workshop aims to allow attendees to implement ANN using R with the aid of libraries such as neuralnet. Throughout this hands-on session, participants will be given step-by-step instructions, so no previous experience with R is assumed.

WHO SHOULD ATTEND?

This workshop is intended for students, academic researchers, and practitioners looking for a basic understanding of ANN and its applications in regression and classification. Familiarity with the basic concepts of univariate calculus would be helpful.

INSTRUCTORES:
Dr. Jenaro Nosedal-Sánchez, Tecnológico de Monterrey, Campus Chihuahua
Dr. Álvaro Nosedal-Sánchez, University of Toronto Mississauga

REDES NEURONALES

Las Redes Neuronales Artificiales (ANN, por sus siglas en inglés) se han vuelto muy populares debido a su versatilidad para analizar datos complejos. Una de las principales aplicaciones de las ANN es la modelación predictiva, la cual puede utilizarse tanto para regresión como para clasificación. La principal diferencia entre los modelos de regresión y los de clasificación radica en la naturaleza de la variable de salida o variable objetivo.

Un ejemplo de un problema de regresión sería el siguiente: predecir el precio de un boleto (variable de salida continua) utilizando como variables de entrada (también conocidas como variables predictoras o características): aerolínea, destino y número total de escalas. Un ejemplo de un problema de clasificación sería intentar predecir el modo de transporte (variable de salida categórica o discreta) utilizando el tiempo de espera en la terminal, el costo total del viaje, el tiempo de traslado y el tamaño del grupo de viaje.

EL TALLER

Al finalizar este seminario de tres horas, los asistentes tendrán una comprensión básica de los aspectos matemáticos involucrados en los modelos de ANN y serán capaces de implementar dichos modelos para propósitos de regresión y clasificación.

El taller tiene como objetivo que los participantes implementen ANN utilizando el lenguaje R con la ayuda de librerías como neuralnet. Durante esta sesión práctica, los asistentes recibirán instrucciones paso a paso, por lo que no se requiere experiencia previa con R.

¿A QUIÉN ESTÁ DIRIGIDO?

Este taller está dirigido a estudiantes, investigadores académicos y profesionales interesados en adquirir una comprensión básica de las Redes Neuronales Artificiales y sus aplicaciones en regresión y clasificación. Se recomienda tener nociones básicas de cálculo diferencial univariado.

REGISTRATION/REGISTRO