Ciencias de la Computación (plan 1994) 2013-2

Optativas, Seminario de Inteligencia Artificial II

El aprendizaje computacional (machine learning) es una disciplina derivada de la inteligencia artificial. Su principal objetivo radica en entender el aprendizaje no como una característica privativa de los sistemas biológicos sino, de una forma más general, como una característica de los sistemas adaptables en los que a través de la modificación de parámetros se puede generalizar el concepto de aprendizaje y generalización. A partir de esta conceptualización se extraen algoritmos que puedan generalizar y aprender a partir de un entrenamiento.

En este seminario revisaremos varios algoritmos de aprendizaje computacional a través de referencias de libro y revisión de artículos para ponerlos en práctica en el laboratorio en el que se usará princpalmente implementaciones en Python.

Los algoritmos que aquí estudiaremos son de gran utilidad para todas las disciplinas científicas que hagan un uso extensivo de datos experimentales o mediciones, como lo son las Ciencias Computacionales, Biología, Actuaría, Física, etcétera.

En el semiario veremos los siguientes temas:

> Introducción
+ Revisión de probabilidad y estadística
+ Aspectos generales de algoritmos de aprendizaje computacional
+ Algoritmo k-Vecinos
> Teoría de la información
+ Entropía de Shannon
+ Función de Información Mutua
+ El algortimo C4.5
> Redes Neuronales
+ Perceptrón Multicapa
+ Mapeos Autoorganizado
+ Máquinas de Soporte Vectorial
> Progamación Evolutiva
+ Algoritmos Genéticos
+ Programación por expresión génica
> Lógica Difusa
+ Bases de lógica difusa
+ Extracción de Modelos difusos de datos
+ Árboles de decisión difusos

Bibliografia

Berthold, M., Hand, D. (Eds). (2007) Intelligent Data Analysis. Springer
Rojas, R. (1996) Neural Networks A Systematic Introducction. Springer.
Michaelwicz, Z. (1996) Genetic Algorithms + Data Structures = Evolution Programs. Springer.