Técnicas Avanzadas de Aprendizaje Automático

2020-1

Plan de Estudios

Contenidos:

  1. Introducción a visión por computador: Formación de la imagen, espacios de color, manipulación de imágenes, convolución y transformaciones geométricas.
  2. Redes Neuronales artificiales y deep learning: Regresión, redes neuronales multicapa, redes convolucionales, series de tiempo.
  3. Redes Bayesianas: Probabilidades, probabilidad condicional, modelos gráficos, inferencia, clasificación y regresión.

Evaluación:

  • 6 Pruebas cortas on-line (PCOR)
  • 6 Laboratorios (LABO)
  • 1 Proyecto evaluado en tres etapas (PROY). Cada entrega considera: Reporte técnico tipo paper, código y un video de 15 minutos con la presentación del proyecto y sus avances.

NOTA FINAL = PCOR * 40% + LABO * 20 % + PROY * 40%

La notas PCOR, LABO y PROY se deben aprobar de forma independiente, igual o superior a 4.0. En caso de que una o varias notas no cumplan con ese requisito se evaluará la asignatura con la nota más baja.

Programa

Proyectos

  1. Networks with memory (LSTM) - Luis Rojas
  2. Bayesian Deep Learning - Luis San Martín
  3. Bayesian Networks (Kinesiólogos) - David Coo