Profesor | Miguel Arturo Ballesteros Montero | lu mi vi | 8 a 9 |
Ayudante | José de Jesús Falcón Vázquez | ma ju | 8 a 9 |
Join Zoom Meeting
https://cuaed-unam.zoom.us/j/6106408798
Meeting ID: 610 640 8798
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
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 por un lado profundizar en la base matemática de la inteligencia artificial (en especial en el aprendizaje profundo) y por otro lado establecer un vínculo con ciertas aplicaciones. Nos interesa que el estudiante logre comprender cómo funcionan los algoritmos y las técnicas, desde el punto de vista formal de matemáticas rigurosas y desde el punto de vista de la implementación.
Dependiendo del interés de los estudiantes y de sus conocimientos previos, abordaremos algunos de los temas siguientes.
TEMARIO:
REDES NEURONALES
Teoría de redes neuronales.
Métodos de optimización en redes neuronales.
OPTIMIZACIÓN NO CONVEXA
Métodos de Monte Carlo.
OTRAS TÉCNICAS DE MACHINE LEARNING
Entropía.
Algoritmos de clasificación, regresión y clustering.
IMPLEMENTACIONES Y APLICACIONES
Introducción a Python.
Implementación computacional de distintas arquitecturas de redes neuronales y algoritmos de inteligencia artificial para la resolución de diversos tipos de problemas. Se aprenderán a hacer implementaciones desde cero así como el uso de paqueterías famosas como "Pytorch", "Tensorflow" y "Scikit-Learn"