University of Pisa Summer - Winter Schools & Foundation Course

Escuela de verano Redes neuronales para arqueólogos, con Python

La arqueología se ocupa del estudio del pasado humano, realizado a través de restos materiales, es decir, artefactos que fueron fabricados, utilizados y desechados en la antigüedad. Una de las tareas más importantes es clasificar los artefactos, determinando la cronología, la atribución cultural, la forma, la función y otras características. Las redes neuronales y el aprendizaje profundo son herramientas poderosas para respaldar y facilitar dichas tareas, que a menudo requieren mucho tiempo y dependen en gran medida de conocimientos y experiencia previos.

Esta escuela de verano ilustra el uso de redes neuronales para analizar y clasificar datos multimodales, como imágenes, tablas y textos. Se lleva a cabo, de forma práctica, a través de Python, uno de los principales lenguajes de programación de IA y ciencia de datos, que incluye una amplia variedad de herramientas de aprendizaje profundo y arquitecturas de red. Para realizar y respaldar eficazmente el análisis y la clasificación de datos provenientes de tablas, imágenes y textos, los arqueólogos modernos deberían poder manejar conceptos y herramientas relacionados con las nuevas tecnologías. Estas habilidades no están presentes en una formación estándar en arqueología, aunque son fundamentales incluso para interactuar eficazmente con expertos en TIC.

La Escuela de Verano tendrá una duración de 60 horas y se llevará a cabo del 17 al 28 de junio de 2024, en el Departamento de Civilizaciones y Formas de Conocimiento de la Universidad de Pisa, Italia.

Bibliografía: Stevens E., Antoga L., Viehmann T., Aprendizaje profundo con Pytorch, Manning (2020).

El programa se activará también en modo de aprendizaje a distancia (plataforma TEAMS).

Objetivo

La Escuela de Verano permitirá a los participantes explorar y visualizar datos con Python, configurar y entrenar redes neuronales desde cero y/o modificando redes previamente entrenadas (aprendizaje por transferencia), para realizar tareas de clasificación basadas en imágenes y/o textos. Se basa en un nuevo paradigma que toma en consideración a los arqueólogos como productores y usuarios de datos arqueológicos digitales.