Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 2013) 2023-2

Optativas, Reconocimiento de Patrones y Aprendizaje Automatizado

Grupo 7122, 50 lugares. 50 alumnos.
Profesor Sergio Hernández López ma ju 16 a 17:30
Ayudante José Alejandro Rojas López lu mi 17:30 a 18:30
Ayudante Miguel Andrés Guevara Castro lu mi 17:30 a 18:30
Ayud. Lab. Julio César Misael Monroy González ju 14 a 16
Ayud. Lab. Enrique Francisco Soto Astorga ju 14 a 16

 

PRESENTACIÓN

La sesión de presentación se llevará a cabo el día de hoy lunes 30 de enero a la hora de clase (17:30) por zoom en este liga https://cuaieed-unam.zoom.us/my/sergiohzlz

Aparte de mi correo (sergiohzlz en ciencias punto unam punto mx), también puedes escribirme a telegram: https://t.me/sergiohzlz

La página de referencia es la siguiente https://sites.google.com/view/patronesciencias/inicio

Tener grandes cantidades de datos sobre los que hay que buscar un subconjunto específico de ellos puede ser una tarea muy demandantte pero también se ha convertido en una práctica común y necesaria a partir del desarrollo tecnológico, un ejemplo se deriva directamente de la investigación en biología y bioinformática cuyo auge es muy notable hoy en día. Lo mismo pasa con los datos de tipo texto, es imposible estar al tanto de todas las respuestas que una red social pueda tener sin embargo intuimos que hay algún patrón que identifica un tipo de respuesta de otro. En este contexto es que se presentan una materia como la detección de patrones y el aprendizaje automatizado que es un área de las ciencias computacionales reconocible dentro de las técnicas de la inteligencia artificial. Las técnicas comprendidas en la detección de patrones y el aprendizaje automatizado están conceptualizadas para poder hacer una extracción de información semánticamente relevante dentro de un conjunto extenso de datos.

Los algoritmos que se revisarán en esta clase están pensados para poder obtener información valiosa de esta gran cantidad de datos que hoy están a la mano. Se revisaŕan los algoritmos que se presentan a continuación y se revisarán los fundamentos técnicos de los mismos así como aplicaciones relevantes.

1. Introducción y bases matemáticas ¿Qué es el reconocimiento de patrones?

2. Paradigma y práctica común del aprendizaje automatizado. La regresión lineal.

3. Detección de grupos y algoritmos no supervisados

4. Algoritmos supervisados y el paradigma neuronal.

5. Algoritmos de ensamble y árboles de decisión

Dentro de las tareas que se pueden realizar con estos algoritmos están la clasificación de textos, la regresión multivaluada, reconocimiento de imágenes, etcétera. La clase tendrá un formato de seminario en el que se dejarán proyectos y se leeran artículos de revistas especializadas (históricos o nuevos). El lenguaje de programación será Python 3.6.

Calificación

Trabajos en clase y tareas: 40%

Laboratorio: 30%

Proyecto final 30%

Bibliografía

Hastie, T., Tibshirani, R., Friedman, J., & Franklin, J. (2005). The elements of statistical learning: data mining, inference and prediction. The Mathematical Intelligencer, 27(2), 83-85.
Bishop, C. M. (2006). Pattern recognition and machine learning. springer.

 


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.