ΚΑΤΗΓΟΡΙΕΣ ΑΡΘΡΩΝ ΘΕΣΣΑΛΟΝΙΚΗ

Θερινό σχολείο τεχνητής νοημοσύνης στη Θεσσαλονίκη με κορυφαίους επιστήμονες και ερευνητές από όλον τον κόσμο

MakThes Team26 Αυγούστου 2023

Ο εμπλουτισμός της τεχνογνωσίας στον τομέα της Τεχνητής Νοημοσύνης στη περιοχή της Μεσογείου είναι το ζητούμενο εξαήμερου θερινού σχολείου για την Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση, που από τη Δευτέρα θα φέρει στη Θεσσαλονίκη κορυφαίους επιστήμονες και ερευνητές από όλον τον κόσμο, καθώς και διαπρεπείς Έλληνες του εξωτερικού.

Όπως αναφέρει το ΑΠΕ-ΜΠΕ: Το θερινό σχολείο «2023 Mediterranean Machine Learning (M2L) summer school», μετά από δύο χρόνια διεξαγωγής στην Ιταλία, φιλοξενείται για πρώτη φορά στη Θεσσαλονίκη, από τις 28 Αυγούστου έως τις 2 Σεπτεμβρίου 2023, στις εγκαταστάσεις του ACT (American College of Thessaloniki). Ενδεικτικό του ενδιαφέροντος για την έρευνα που οδηγεί τις διεθνείς εξελίξεις στην Τεχνητή Νοημοσύνη είναι ότι οι αιτήσεις για το πρόγραμμα ξεπέρασαν τις 800, και η επιλογή των 180 συμμετεχόντων έγινε με ακαδημαϊκά κριτήρια.

Πρόκειται για μεταπτυχιακούς και διδακτορικούς φοιτητές, ακαδημαϊκούς και επαγγελματίες από όλο τον κόσμο (Γερμανία, Ελλάδα, ΗΠΑ, Ηνωμένο Βασίλειο, Ινδία, Ιράν, Ισπανία, Ιταλία, Καναδάς, Κίνα, Μαρόκο, Μπαγκλαντές, Νιγηρία, Ολλανδία, Τυνησία κ.α.), με έμφαση στην περιοχή της Μεσογείου, με τεχνικό υπόβαθρο και κατανόηση και πρακτική εμπειρία της μηχανικής μάθησης.

Το θερινό σχολείο διοργανώνεται από τον μη κερδοσκοπικό οργανισμό AI Education Foundation, υποστηρίζεται από την Google DeepMind, το ACT (American College of Thessaloniki), την Aegean Airlines, την Deloitte (Deloitte Competence Center), το Pfizer Center for Digital Innovation (CDI), τις εταιρίες AISERA , και Reply, και έχει τη στήριξη του Τμήματος Πληροφορικής του ΑΠΘ.

«Οι ομιλητές»

Κατά τη διάρκεια των έξι ημερών οι συμμετέχοντες θα παρακολουθήσουν παρουσιάσεις και εργαστήρια με εξέχοντες επιστήμονες και ερευνητές, όπως οι Yoshua Bengio (MILA), Arnaud Doucet (University of Oxford), Annete Obika (Google Deepmind), Eric Nalisnick (Amsterdam University), Fabio Viola (Google DeepMind), Giorgia Ramponi (ETH), Iulia Duta (University of Cambridge), Jimmy Shi (Google DeepMind), Nora Kassner (Google DeepMind), Roberta Raileanu (Meta), Sahand Sharifzadeh (Google DeepMind), Sander Dieleman (Google DeepMind), Shannon Vallor (University of Edinburgh), Tharindi Hapuarachchi (Google DeepMind) και διακεκριμένους Έλληνες και Ελληνίδες του εξωτερικού όπως οι Χρήστος Παπαδημητρίου (Columbia University), Γιάννης Ασσαέλ (Google DeepMind), Ξένια Μισκουρίδου (Imperial College London), Μαρία Λιακάτα (The Alan Turing Institute), Κωνσταντίνα Πάλλα (Spotify).

«Είναι χρέος μας ως επιστήμονες του εξωτερικού να προσφέρουμε στον τόπο μας. Έτσι, ο στόχος του M2L School είναι η ενδυνάμωση της τοπικής δραστηριότητας και ο εμπλουτισμός της τεχνογνωσίας στον τομέα της Τεχνητής Νοημοσύνης στη Μεσόγειο» ανέφερε ο Γιάννης Ασσαέλ, εκ μέρους της οργανωτικής ομάδας, η οποία αποτελείται από τους Andrea Banino, Δημήτρη Κοτζιά, Francesco Romano, Francesco Visin, Martina Zambelli, Nemanja Rakićević και τον ίδιο.

Κατά τη διάρκεια του θερινού σχολείου, την Πέμπτη 31 Αυγούστου, 12:00-13:00, θα πραγματοποιηθεί και το πάνελ με τίτλο «AI opportunities in the Mediterranean region» με ομιλητές τους Κωνσταντίνο Κυρανάκη, Υφυπουργό Ψηφιακής Διακυβέρνησης, Δημήτρη Γερογιάννη, CEO, AEGEAN, Βασίλειο Βασσάλο, Director of AI, AISERA, Federico Neri, AI Director, Deloitte Italy, Κατερίνα Τζουβάρα, Gen AI Ambassador & Customer Engineer Public Sector, Google Greece, Θάνο Σταυρόπουλο, Technology & Innovation Senior Manager, Pfizer CDI.

«Η παρουσία στην Θεσσαλονίκη τόσο σημαντικών επιστημόνων και ερευνητών από όλον τον κόσμο - πολλοί από τους οποίους Έλληνες - τοποθετεί τη Θεσσαλονίκη στον παγκόσμιο χάρτη των εξελίξεων που φέρνει η Τεχνητή Νοημοσύνη και Μηχανική Μάθηση στην κοινωνία μας», ανέφερε ο Πρόεδρος του Κολλεγίου Ανατόλια, Δρ Πάνος Βλάχος

Οι θεματικές που θα αναπτυχθούν, μεταξύ άλλων, είναι: Computer vision, Natural language processing, Generative and diffusion models, Reinforcement learning, Graph neural networks, Self-supervised learning, Applied deep learning, Neuroscience, Ethics in machine learning

This page might use cookies if your analytics vendor requires them.