Física (plan 2002) 2023-2
Optativas, Temas Selectos de Física Computacional II
Grupo 8365, 20 lugares. 19 alumnos.
Ciencia de Datos para físicos: teoría y aplicaciones.
La primera reunión será por zoom el día martes 31 de enero de 2023 a las 19:00 en el siguiente link
https://cuaieed-unam.zoom.us/j/5119139879?pwd=dFRvNnZKa3lVTXE0aXZ5RDl6N1lNZz09
Acerca del curso
Este curso está dirigido a aquellos estudiantes interesados en comprender las nociones básicas e intermedias de algunas áreas de ciencia de datos, inteligencia artificial y aprendizaje profundo, crear modelos de predicción a través del consumo automático y análisis de datos, además de cómo presentar visualmente los hitos producidos durante el o los procesos involucrados.
Para lograr este objetivo, el curso está diseñado de manera teórica-experimental, de tal forma que el estudiante tendrá la oportunidad de desarrollar sus habilidades de programación.
Al finalizarr el curso el alumno:
-
Comprenderá los conceptos básicos inherentes a la ciencia de datos, aprendizaje de máquina y aprendizaje profundo.
-
Habrá desarrollado o expandido su habilidad de programación en el lenguaje Python.
-
Habrá concluido y presentado un proyecto de ciencia de datos.
-
Tendrá a su disposición algunas herramientas teóricas y de programación para el desarrollo, de principio a fin, de proyectos de ciencias de datos.
Temario
Este curso se dividirá en 6 módulos con el siguiente contenido:
-
Introducción a la ciencia de datos:
-
¿Qué es la ciencia de datos? ¿Por qué es importante?
-
Pensamiento computacional: El enfoque de los siete pasos para resolver problemas en computación.
-
Fundamentos de Python: Instalación, entornos de desarrollo (IDE), tipos, variables y funciones.
-
Algunas bibliotecas de Python útiles para el científico de datos (pandas, sklearn, matplotlib, seaborn, etc.)
-
GitHub
-
Estadística y Visualizaciones
-
¿Cuál es el rol de un científico de datos? ¿Cómo planear un proyecto? ¿Metodologías ágiles? ¿Con quién o quiénes trabaja?
-
Conceptos básicos de estadística: Algunas cantidades interesantes como la mediana, moda, su interpretación y como obtenerlos con Python. Distribuciones de probabilidad y como graficarlas.
-
Visualización: La importancia de los gráficos ¿Qué comunicar con ellos? ¿Cómo hacerlos atractivos?
-
¿Qué es el aprendizaje de máquinas?
-
Conceptos básicos
-
Regresión y clasificación
-
El modelo de regresión lineal simple vs mínimos cuadrados: ¿Correlación y causalidad?
-
Regresión lineal múltiple
-
La importancia del procesamiento y limpieza de datos
-
Conjuntos de entrenamiento, prueba y validación
-
Aprendizaje supervisado y autosupervisado
-
¿Cuál es la diferencia?
-
¿Cuando usar uno u otro?
-
Modelos supervisados y sus aplicaciones
-
Modelos autosupervisados y sus aplicaciones
-
Introducción al Aprendizaje Profundo
-
Diferencias entre el aprendizaje profundo y de máquina
-
El modelo del Perceptrón de McCullogh y Pitts
-
El Perceptrón multicapa o redes neuronales densas
-
El primer invierno de la IA y el algoritmo de retropropagación
-
Breve reseña de algunos modelos para imágenes, audio, texto, video, generación de texto, imágenes
-
Proyectos en desarrollo: Durante el curso los alumnos podrán desarrollar un proyecto de ciencia de datos de acuerdo a un conjunto de temas preestablecidos o, bien, propuestos por ellos mismos. Este modulo tiene como finalidad el desarrollo de éste así como la presentación al grupo de sus resultados y código.
Puesto que el contenido del curso puede llegar a ser muy ambicioso el modulo de aprendizaje profundo podría ser omitido. Esto de acuerdo a las condiciones del grupo.
Requisitos
El estudiante inscrito deberá:
-
Tener noción básica del lenguaje de programación Python u otro.
Evaluación
Se definirá las primeras clases
Horario
Se impartirán dos sesiones de 1:30 horas o una sesión de 3:00 horas por semana.
El horario se definirá los primeros días de clase
La primera reunión será por zoom el día martes 31 de enero de 2023 a las 19:00 en el siguiente link
https://cuaieed-unam.zoom.us/j/5119139879?pwd=dFRvNnZKa3lVTXE0aXZ5RDl6N1lNZz09