Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 2013) 2019-2

Optativas, Reconocimiento de Patrones y Aprendizaje Automatizado

Grupo 7100, 30 lugares. 4 alumnos.
Profesor Gustavo De la Cruz Martínez lu mi 17 a 18:30 Taller de Computación Visual e Innovación Tecnológica
Ayudante Estefanía Prieto Larios lu mi 16 a 17 Taller de Ingeniería de Software
Ayud. Lab. Rodrígo Eduardo Colín Rivera ju 17 a 19 Laboratorio de Ciencias de la Computación 3

 
Descripción
En el curso de “Reconocimiento de Patrones y Aprendizaje Automatizado”, se revisarán las bases teóricas de algunos de los algoritmos que permiten aprender, sintetizar y actuar a partir de datos que provienen de diferentes fuentes de información, como redes sociales, bitácoras de servicios y uso de dispositivos, sensores, entre muchos otros.
De forma particular, en el curso nos enfocaremos en usar estás técnicas para resolver tres tipos de problemas clásicos de está disciplina, a través del desarrollo de 3 proyectos: 1) clasificación de documentos de texto, 2) reconocimiento de objetos en imágenes, 3) análisis de clusters. Finalmente, a través de un 4o. proyecto se explorarán otras áreas de aplicación del aprendizaje automático.
Con el fin de analizar ventajas y desventajas de diferentes tecnologías que permiten la implementación del aprendizaje automático, en el curso se utilizarán java, phyton y R como lenguajes de trabajo.
Contenido
  1. Qué es aprendizaje automatizado y tipos de algoritmos
  2. Proceso para realizar aprendizaje automatizado
  3. Árboles de decisión
  4. Redes bayesianas
  5. Redes neuronales
  6. Reglas de asociación
  7. Máquinas de soporte vectorial
  8. Clustering
Modalidad: Presencial con actividades en una plataforma de educación a distancia
Bibliografía básica
  • Jason Bell (2015). Machine Learning: Hands-On for Developers and Technical Professionals. John Wiley & Sons, Inc.c
  • Russell, S. y Norving, P. "Cap. 18. Learning from examples". Artificial Intelligence A Modern Approach, 3a. ed.
  • Mohammed, M., Khan, M., Bashier, E. (2016). Machine Learning. Boca Raton: CRC Press.
Evaluación
Considerando la amplitud del temario es muy importante el trabajo en las ayudantías ya que ahí se realizan actividades que complementan las discusiones de la clase, por lo tanto las actividades y tareas de las ayudantías tienen un valor en la calificación final.
80% Proyectos - 4 proyectos y 4 artículos
20% Actividades y tareas en las ayudantías

 


Hecho en México, todos los derechos reservados 2011-2016. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la Institución.
Sitio web administrado por la Coordinación de los Servicios de Cómputo de la Facultad de Ciencias. ¿Dudas?, ¿comentarios?. Escribenos. Aviso de privacidad.