Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 2013) 2022-2

Optativas, Reconocimiento de Patrones y Aprendizaje Automatizado

Grupo 7110, 60 lugares. 13 alumnos.
Profesor Gustavo De la Cruz Martínez lu mi 18:30 a 20 P106
Ayudante Estefanía Prieto Larios ma ju 19 a 20 P106
Ayud. Lab. Orlando Alain Apipilhuasco Rosas ma 14 a 16

 

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.

En el curso se describirán cómo funcionan diferentes métodos de aprendizaje automático y cómo se implementan estas técnicas para resolver problemas reales.

Se utilizarán diferentes lenguajes de programación para la resolución de los problemas: Java, Python, y R. Esto nos permitirá analizar las ventajas de cada entorno de trabajo en el contexto del aprendizaje automático.

Forma de trabajo

El curso se apoyará en la plataforma de moodle de la Facultad de Ciencias.

Se tendrá solo una sesión síncronas (via Zoom) a la semana para trabajar con el profesor (miércoles) en el horario establecido.

La sesión de laboratorio también será síncrona, el día martes.

El resto de las actividades serán a través de la plataforma.

Presentación del Curso

La sesión de presentación del curso, será el lunes 14 de febrero de 18:30 a 20 h.

Podrás ingresar a la sesión a través de esta liga:

https://cuaieed-unam.zoom.us/j/84215552266?pwd=ZjcwcGZnN3c3R0llSDI5MnNzOFExZz09

Evaluación

  • 3 proyectos en equipos acompañados de su reporte en formato de artículo (25 % cada uno)

  • Actividades en la plataforma y tareas individuales (25 %)

Temario

  1. Aprendizaje automático y tipos de aprendizaje

  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

Bibliografía básica

  • Russell, S, y Norvig, P. Artificial Intelligence: A Modern Approach, 3a. Edición, Prentice Hall, 2009.

  • Jason Bell (2015). Machine Learning: Hands-On for Developers and Technical Professionals. John Wiley & Sons, Inc.c

  • Mohammed, M., Khan, M., Bashier, E. (2016). Machine Learning. Boca Raton: CRC Press.

 


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.