Matemáticas (plan 1983) 2022-1

Optativas de los Niveles VII y VIII, Seminario Matemáticas Aplicadas I

Inteligencia artificial y Aprendizaje Profundo (teoría matemática de Redes Neuronales y Machine Learning) I

La inteligencia artificial es un área que ha tomado mucho impacto en los últimos años. En particular, el aprendizaje profundo (deep learning) tiene mucha popularidad, tanto en el ámbito científico como en el industrial, por la gran variedad de aplicaciones y el desempeño que tiene. Algunas de sus aplicaciones son la clasificación de imágenes, visión por computadora, automóviles autónomos, etc.

Este curso tiene como objetivo profundizar en la base matemática de la inteligencia artificial (en especial en el aprendizaje profundo y otros modelos del machine learning), para lograr comprender cómo funcionan este tipo de algoritmos y técnicas y por qué son útiles. Por lo tanto, este es un curso formal de matemáticas rigurosas basado en demostraciones.

La perspectiva que se aborda en el presente curso es muy poco frecuente porque la mayoría de los cursos en inteligencia artificial se llevan a cabo de forma ingenieril o desde la rama de la computación, de manera que se le da mucho mayor importancia a la implementación que al entendimiento profundo del tema. En este curso le damos mucha importancia al entendimiento formal y completo de la materia.

Dependiendo del interés de los estudiantes y de sus conocimientos previos, abordaremos algunos de los temas siguientes.

TEMARIO:

REDES NEURONALES

1. Teoría de redes neuronales.

2. Métodos de optimización en redes neuronales.

OPTIMIZACIÓN NO CONVEXA

1. Métodos de Monte Carlo.

OTRAS TÉCNICAS DE MACHINE LEARNING

1. Entropía.

2. Algoritmos de clasificación, regresión y clustering.

IMPLEMENTACIONES Y APLICACIONES

1. Introducción a Python.

2. Implementación computacional de distintas arquitecturas de redes neuronales y algoritmos de inteligencia artificial para la resolución de diversos tipos de problemas. Se aprenderan a hacer implementaciones desde cero así como el uso de paqueterías famosas como "Pytorch", "Tensorflow" y "Scikit-Learn"

El enlace del Google Classroom del curso es el siguiente:

https://classroom.google.com/c/MzgwOTc0MDM0NjEw?cjc=skcnulk

En esta plataforma se realizarán los anuncios y todo lo relacionado con el curso.

Primera sesión: Lunes 30 de Agosto a las 11:00 en el siguiente enlace:

Join Zoom Meeting
https://cuaed-unam.zoom.us/j/6106408798

Meeting ID: 610 640 8798, 897 3856 0181
One tap mobile
+525568269800,,6106408798# Mexico
+525586596001,,6106408798# Mexico

Dial by your location
+52 556 826 9800 Mexico
+52 558 659 6001 Mexico
+52 229 910 0061 Mexico
+52 554 161 4288 Mexico
+1 312 626 6799 US (Chicago)
+1 346 248 7799 US (Houston)
+1 646 876 9923 US (New York)
+1 669 900 6833 US (San Jose)
+1 253 215 8782 US (Tacoma)
+1 301 715 8592 US (Germantown)
Meeting ID: 610 640 8798
Find your local number: https://cuaed-unam.zoom.us/u/acVj4Xv37V

Join by SIP
6106408798@zoomcrc.com

Join by H.323
162.255.37.11 (US West)
162.255.36.11 (US East)
115.114.131.7 (India Mumbai)
115.114.115.7 (India Hyderabad)
213.19.144.110 (Amsterdam Netherlands)
213.244.140.110 (Germany)
103.122.166.55 (Australia)
149.137.40.110 (Singapore)
64.211.144.160 (Brazil)
69.174.57.160 (Canada)
207.226.132.110 (Japan)
Meeting ID: 610 640 8798

Join by Skype for Business
https://cuaed-unam.zoom.us/skype/6106408798

Se hablará sobre el temario, la forma de evaluación, la dinámica de la clase y se resolverán sus dudas.

Las clases inician el 20 de Septiembre (de 11:00-12:00)