Encabezado Facultad de Ciencias
Presentación

Física (plan 2002) 2023-2

Optativas, Temas Selectos de Física Computacional II

Grupo 8365, 20 lugares. 19 alumnos.
Profesor Pedro Arturo Flores Silva
Ayudante Karen Rubi Jiménez López

 

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:
  1. ¿Qué es la ciencia de datos? ¿Por qué es importante?
  2. Pensamiento computacional: El enfoque de los siete pasos para resolver problemas en computación.
  3. Fundamentos de Python: Instalación, entornos de desarrollo (IDE), tipos, variables y funciones.
  4. Algunas bibliotecas de Python útiles para el científico de datos (pandas, sklearn, matplotlib, seaborn, etc.)
  5. GitHub
  • Estadística y Visualizaciones
  1. ¿Cuál es el rol de un científico de datos? ¿Cómo planear un proyecto? ¿Metodologías ágiles? ¿Con quién o quiénes trabaja?
  2. Conceptos básicos de estadística: Algunas cantidades interesantes como la mediana, moda, su interpretación y como obtenerlos con Python. Distribuciones de probabilidad y como graficarlas.
  3. Visualización: La importancia de los gráficos ¿Qué comunicar con ellos? ¿Cómo hacerlos atractivos?
  • Aprendizaje de máquinas
  1. ¿Qué es el aprendizaje de máquinas?
  2. Conceptos básicos
  3. Regresión y clasificación
  4. El modelo de regresión lineal simple vs mínimos cuadrados: ¿Correlación y causalidad?
  5. Regresión lineal múltiple
  6. La importancia del procesamiento y limpieza de datos
  7. Conjuntos de entrenamiento, prueba y validación
  • Aprendizaje supervisado y autosupervisado
  1. ¿Cuál es la diferencia?
  2. ¿Cuando usar uno u otro?
  3. Modelos supervisados y sus aplicaciones
  4. Modelos autosupervisados y sus aplicaciones
  • Introducción al Aprendizaje Profundo
  1. Diferencias entre el aprendizaje profundo y de máquina
  2. El modelo del Perceptrón de McCullogh y Pitts
  3. El Perceptrón multicapa o redes neuronales densas
  4. El primer invierno de la IA y el algoritmo de retropropagación
  5. 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

 


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.