Profesor | Andrés Aldana González | lu mi | 17:30 a 19 |
Ayudante | Felipe de Jesús Navarrete Córdova | ma ju | 19 a 20 |
Ayud. Lab. | Gerardo Eugenio Martínez Ramos | ju | 14 a 16 |
Los invitamos a unirse a este curso a través de google classroom a partir del lunes 15 de agosto de 2022, en donde encontrarán el enlace de meet para las clases.
Enlace de invitación:
https://classroom.google.com/c/NTM3NTkxMzM5MjMx?cjc=kzdj7ec
Es necesario ingresar con una cuenta de correo de la facultad de ciencias para poder ver el enlace de meet
En la primer sesión acordaremos los lineamientos del curso, tales como la dinámica de evaluación, material bibliográfico y una breve introducción. LA TOTALIDAD DE LA CLASE SE LLEVARÁ A CABO DE FORMA VIRTUAL
Resumen del curso:
El objetivo del aprendizaje automatizado y el reconocimiento de patrones es programar un sistema de cómputo para utilizar ejemplos o experiencias pasadas (datos) para resolver un problema determinado, así como encontrar comportamientos comunes en los datos que nos permitan obtener información de ellos. En la actualidad, existen diversas aplicaciones exitosas de aprendizaje automatizado y reconocimiento de patrones, desde programas de minería de datos que aprenden a detectar transacciones bancarias fraudulentas, hasta vehículos autónomos que pueden conducir sin intervención humana en una autopista pública.
El objetivo de este curso es presentar al alumno los algoritmos y teorías fundamentales que conforman el aprendizaje automatizado y el reconocimiento de patrones. Para entender de forma integral los algoritmos presentados, tomaremos conceptos de muy diversas áreas, incluyendo estadística, inteligencia artificial, teoría de la información, biología, ciencia cognitiva, complejidad computacional, redes neuronales y teoría de control. El curso será presentado de forma que el alumno pueda pasar rápidamente de la teoría y los conceptos vistos en clase, a su implementación y aplicación en problemas concretos.
Temario y bibliografía:
Seguiremos el temario y bibliografía oficial que pueden encontrar en el classroom del curso, así como en el siguiente vínculo: https://web.fciencias.unam.mx/asignaturas/773.pdf
Evaluación tentativa:
El curso estará enfocado al trabajo constante del alumno en la implementación y aplicación de los algoritmos revisados en clase. Los exámenes serán proyectos pequeños que integren los conocimientos adquiridos de cada tema en la solución de un problema concreto. El proyecto final será propuesto por el alumno y tendrá que resolver un problema que integre diversas técnicas aprendidas durante el curso.
Tareas y trabajo de clase 70%
Proyecto final 30%
Requisitos del alumno:
Este curso revisará la teoría e implementación de diversos algoritmos fundados en una fuerte teoría matemática. Por ello, es deseable (no obligatorio) que el alumno tenga conocimientos básicos de matemáticas (Algebra Lineal, Matemáticas para las ciencias aplicadas I-IV, Estadística) y maneje de forma fluída al menos un lenguaje de programación (obligatorio). Preferentemente, son deseables nociones de programación en python o R.
Contacto:
Pueden contactarnos a través de los siguientes correos:
Andrés Aldana: aaldanaglz@ciencias.unam.mx
Felipe Navarrete: felipejnc@ciencias.unam.mx
Gerardo Martínez: gerardoemr@ciencias.unam.mx