Official Repository for Machine Learning class - Physics Without Frontiers 2021

Overview

PWF 2021

Física Sin Fronteras es un proyecto del Centro Internacional de Física Teórica (ICTP) en Trieste Italia. El ICTP es un centro dedicado a fomentar el estudio de la ciencia en el mundo y particularmente en los países en vías de desarrollo. Siguiendo esta línea, Física Sin Fronteras busca apoyar en la realización de proyectos en países donde queda trabajo por hacer en su desarrollo científico. La particularidad de estos proyectos es que son propuestos por los países organizadores y buscan responder a las necesidades de este.

El enfoque que hemos elegido para Guatemala es el de cursos con mucha práctica, o hands-on, en inglés. Los estudiantes deben tener una participación muy activa. También, una de nuestras prioridades es la excelencia. Buscamos que nuestros expositores sean de la mejor calidad a nivel mundial. Para este año, elegimos el tema de computación cuántica que estará a cargo de Marco Cerezo, un físico guatemalteco experto en estos temas, que realiza investigación en el desarrollo y la implementación de algoritmos de computación cuántica, en el Laboratorio Nacional de Los Álamos de Nuevo Mexico, Estados Unidos. Nos enorgullece presentar a Marco como nuestro primer profesor guatemalteco en un curso de Física Sin Fronteras en Guatemala.

El curso contará con una semana de introducción propedéutica, para que los estudiantes que no estén familiarizados con la mecánica cuántica puedan seguir los conceptos presentados por Marco. Este curso será impartido por los profesores de la Escuela de Ciencias Físicas y Matemáticas de la Universidad de San Carlos (ECFM-USAC), Juan Diego Chang y Giovanni Ramírez. Juan Diego es profesor de los cursos de mecánica cuántica en la escuela y cuenta con una maestría en Física Teórica de la Universidad de Cergy-Pontoise, Francia. Giovanni, por su lado, es doctor en física de la materia condensada por la Universidad Autónoma de Madrid y es actualmente el principal investigador a nivel nacional en temas de mecánica e información cuántica. También, contaremos con auxiliares, l lqlue son estudiantes destacados de la ECFM y que actualmente realizan trabajos de final de grado en temas relacionados en colaboración con la Universidad Autónoma de México.Física Sin Fronteras es un proyecto del Centro Internacional de Física Teórica (ICTP) en Trieste Italia. El ICTP es un centro dedicado a fomentar el estudio de la ciencia en el mundo y particularmente en los países en vías de desarrollo. Siguiendo esta línea, Física Sin Fronteras busca apoyar en la realización de proyectos en países donde queda trabajo por hacer en su desarrollo científico. La particularidad de estos proyectos es que son propuestos por los países organizadores y buscan responder a las necesidades de este.

El enfoque que hemos elegido para Guatemala es el de cursos con mucha práctica, o hands-on, en inglés. Los estudiantes deben tener una participación muy activa. También, una de nuestras prioridades es la excelencia. Buscamos que nuestros expositores sean de la mejor calidad a nivel mundial. Para este año, elegimos el tema de computación cuántica que estará a cargo de Marco Cerezo, un físico guatemalteco experto en estos temas, que realiza investigación en el desarrollo y la implementación de algoritmos de computación cuántica, en el Laboratorio Nacional de Los Álamos de Nuevo Mexico, Estados Unidos. Nos enorgullece presentar a Marco como nuestro primer profesor guatemalteco en un curso de Física Sin Fronteras en Guatemala.

El curso contará con una semana de introducción propedéutica, para que los estudiantes que no estén familiarizados con la mecánica cuántica puedan seguir los conceptos presentados por Marco. Este curso será impartido por los profesores de la Escuela de Ciencias Físicas y Matemáticas de la Universidad de San Carlos (ECFM-USAC), Juan Diego Chang y Giovanni Ramírez. Juan Diego es profesor de los cursos de mecánica cuántica en la escuela y cuenta con una maestría en Física Teórica de la Universidad de Cergy-Pontoise, Francia. Giovanni, por su lado, es doctor en física de la materia condensada por la Universidad Autónoma de Madrid y es actualmente el principal investigador a nivel nacional en temas de mecánica e información cuántica. También, contaremos con auxiliares que son estudiantes destacados de la ECFM y que actualmente realizan trabajos de final de grado en temas relacionados en colaboración con la Universidad Autónoma de México.

You might also like...
Official implementation of Generalized Data Weighting via Class-level Gradient Manipulation (NeurIPS 2021).
Official implementation of Generalized Data Weighting via Class-level Gradient Manipulation (NeurIPS 2021).

Generalized Data Weighting via Class-level Gradient Manipulation This repository is the official implementation of Generalized Data Weighting via Clas

Official implementation for CVPR 2021 paper: Adaptive Class Suppression Loss for Long-Tail Object Detection
Official implementation for CVPR 2021 paper: Adaptive Class Suppression Loss for Long-Tail Object Detection

Adaptive Class Suppression Loss for Long-Tail Object Detection This repo is the official implementation for CVPR 2021 paper: Adaptive Class Suppressio

Codes for realizing theories learned from Data Mining, Machine Learning, Deep Learning without using the present Python packages.

Codes-for-Algorithms Codes for realizing theories learned from Data Mining, Machine Learning, Deep Learning without using the present Python packages.

The code repository for
The code repository for "PyCIL: A Python Toolbox for Class-Incremental Learning" in PyTorch.

PyCIL: A Python Toolbox for Class-Incremental Learning Introduction • Methods Reproduced • Reproduced Results • How To Use • License • Acknowledgement

The official PyTorch code for 'DER: Dynamically Expandable Representation for Class Incremental Learning' accepted by CVPR2021

DER.ClassIL.Pytorch This repo is the official implementation of DER: Dynamically Expandable Representation for Class Incremental Learning (CVPR 2021)

Official codes: Self-Supervised Learning by Estimating Twin Class Distribution
Official codes: Self-Supervised Learning by Estimating Twin Class Distribution

TWIST: Self-Supervised Learning by Estimating Twin Class Distributions Codes and pretrained models for TWIST: @article{wang2021self, title={Self-Sup

Official Implementation of CVPR 2022 paper: "Mimicking the Oracle: An Initial Phase Decorrelation Approach for Class Incremental Learning"

(CVPR 2022) Mimicking the Oracle: An Initial Phase Decorrelation Approach for Class Incremental Learning ArXiv This repo contains Official Implementat

Official Pytorch implementation of Online Continual Learning on Class Incremental Blurry Task Configuration with Anytime Inference (ICLR 2022)
Official Pytorch implementation of Online Continual Learning on Class Incremental Blurry Task Configuration with Anytime Inference (ICLR 2022)

The Official Implementation of CLIB (Continual Learning for i-Blurry) Online Continual Learning on Class Incremental Blurry Task Configuration with An

 Physics-Aware Training (PAT) is a method to train real physical systems with backpropagation.
Physics-Aware Training (PAT) is a method to train real physical systems with backpropagation.

Physics-Aware Training (PAT) is a method to train real physical systems with backpropagation. It was introduced in Wright, Logan G. & Onodera, Tatsuhiro et al. (2021)1 to train Physical Neural Networks (PNNs) - neural networks whose building blocks are physical systems.

Owner
null
Official repository of the paper Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision

Official repository of the paper Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision

Soubhik Sanyal 689 Dec 25, 2022
McGill Physics Hackathon 2021: Reaction-Diffusion Models for the Generation of Biological Patterns

DiffuseAnimals: Reaction-Diffusion Models for the Generation of Biological Patterns Introduction Reaction-diffusion equations can be utilized in order

Austin Szuminsky 2 Mar 7, 2022
Python Tensorflow 2 scripts for detecting objects of any class in an image without knowing their label.

Tensorflow-Mobile-Generic-Object-Localizer Python Tensorflow 2 scripts for detecting objects of any class in an image without knowing their label. Ori

Ibai Gorordo 11 Nov 15, 2022
Python TFLite scripts for detecting objects of any class in an image without knowing their label.

Python TFLite scripts for detecting objects of any class in an image without knowing their label.

Ibai Gorordo 42 Oct 7, 2022
The first machine learning framework that encourages learning ML concepts instead of memorizing class functions.

SeaLion is designed to teach today's aspiring ml-engineers the popular machine learning concepts of today in a way that gives both intuition and ways of application. We do this through concise algorithms that do the job in the least jargon possible and examples to guide you through every step of the way.

Anish 324 Dec 27, 2022
Reinforcement-learning - Repository of the class assignment questions for the course on reinforcement learning

DSE 314/614: Reinforcement Learning This repository containing reinforcement lea

Manav Mishra 4 Apr 15, 2022
Official code of CVPR 2021's PLOP: Learning without Forgetting for Continual Semantic Segmentation

PLOP: Learning without Forgetting for Continual Semantic Segmentation This repository contains all of our code. It is a modified version of Cermelli e

Arthur Douillard 116 Dec 14, 2022
Pytorch Implementation of Interaction Networks for Learning about Objects, Relations and Physics

Interaction-Network-Pytorch Pytorch Implementraion of Interaction Networks for Learning about Objects, Relations and Physics. Interaction Network is a

null 117 Nov 5, 2022
A python implementation of Physics-informed Spline Learning for nonlinear dynamics discovery

PiSL A python implementation of Physics-informed Spline Learning for nonlinear dynamics discovery. Sun, F., Liu, Y. and Sun, H., 2021. Physics-informe

Fangzheng (Andy) Sun 8 Jul 13, 2022