|
novembre 2025 |
Biblioteca de la Facultat de Matemàtiques i Estadística
Programa d'actes
Acte d'investidura de doctor "honoris causa":
Lloc: Auditori de l’edifici Vèrtex (Pl. Eusebi Güell, 6)
Data: dimecres 26 de novembre de 2025
Hora: 12:30 h
Formulari assistència (termini 24 de novembre)
Notícia Premsa UPC
Master Class d'Oriol Vinyals : From AI to AGI: The Quest for True Intelligence
Lloc: Auditori de l’edifici Vèrtex (Pl. Eusebi Güell, 6)
Data: dijous 27 de novembre de 2025
Hora: 11:15 h
Formulari assistència (termini 24 de novembre)
Organitzador CFIS
Comparteix:
"La IA és un camp en ple auge que està revolucionant el nostre món i desplegant un futur d’oportunitats inimaginables"
"L’aprenentatge és un valor fonamental per a mi, és un motor inesgotable que m’ha impulsat a dedicar la meva carrera a l’aprenentatge automàtic i a explorar els misteris de la IA".
Oriol Vinyals. IA: un pont cap al futur
(Lliçó inaugural del curs 2023-2024 de la Universitat Pompeu Fabra)
Comparteix:
Qui és l'Oriol Vinyals?
El Dr. Oriol Vinyals és una de les figures més influents en el camp de la intel·ligència artificial. Actualment, ocupa el càrrec de vicepresident de Recerca a Google DeepMind i ha estat technical co-lead en el desenvolupament de Gemini, el model d'IA multimodal més avançat de Google.
La seva trajectòria és un testimoni d'excel·lència iniciada a la nostra universitat, on va cursar la doble titulació d'Enginyeria de Telecomunicació i llicenciatura de Matemàtiques, vinculada al Centre de Formació Interdisciplinària Superior (CFIS), a l'Escola Tècnica Superior d’Enginyeria de Telecomunicació de Barcelona (ETSETB) i a la Facultat de Matemàtiques i Estadística (FME). Posteriorment, es va doctorar a la Universitat de Califòrnia, Berkeley.
Des d’aleshores, ha contribuït de manera decisiva al progrés del deep learning amb innovacions fonamentals, com ara seq2seq i knowledge distillation, a més d'haver realitzat contribucions clau a la plataforma TensorFlow, que han transformat la traducció automàtica, el reconeixement de veu i la visió per ordinador.
Comparteix:
Publicacions més citades
- M. Abadi et al., “TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems,” 2016, doi: 10.48550/arxiv.1603.04467 (64206 citacions)
- J. Jumper et al., “Highly accurate protein structure prediction with AlphaFold,” Nature (London), vol. 596, no. 7873, pp. 583–589, 2021, doi: 10.1038/s41586-021-03819-2 (42540 citacions)
- I. Sutskever, O. Vinyals, and Q. V. Le, “Sequence to Sequence Learning with Neural Networks,” 2014, doi: 10.48550/arxiv.1409.3215.(30792 citacions)
- G. Hinton, O. Vinyals, and J. Dean, “Distilling the Knowledge in a Neural Network,” 2015, doi: 10.48550/arxiv.1503.02531. (28607 citacions)
- A. van den Oord, Y. Li, and O. Vinyals, “Representation Learning with Contrastive Predictive Coding,” 2018, doi: 10.48550/arxiv.1807.03748.(13599 citacions)
- J. Gilmer, S. S. Schoenholz, P. F. Riley, O. Vinyals, and G. E. Dahl, “Neural Message Passing for Quantum Chemistry,” 2017, doi: 10.48550/arxiv.1704.01212. (11649 citacions)
- O. Vinyals, C. Blundell, T. Lillicrap, K. Kavukcuoglu, and D. Wierstra, “Matching Networks for One Shot Learning,” 2016, doi: 10.48550/arxiv.1606.04080.(11367 citacions)
Comparteix:
|
© UPC. Biblioteca de la Facultat de Matemàtiques i Estadística
Pau Gargallo 14, 08028 Barcelona Tel.:+34 93 401 70 20 biblioteca.FME@upc.edu http://bibliotecnica.upc.edu/fme |
Comparteix:
Segueix-nos: 
|