Objetivos específicos:
1. Identificar los fundamentos de la inteligencia artificial.
2. Reconocer las técnicas básicas de machine learning.
3. Reconocer técnicas de deep learning basadas en redes neuronales convolucionaes profundas.
4. Familiarizar con herramientas para el trabajo con IA como Weka, TensorFlow, Pytorch y Keras.
Sistema de conocimientos y habilidades:
Aprendizaje de máquinas - Clasificadores (Árboles de decisión, Vecinos más cercanos, análisis discriminante, Máquinas de soporte vectorial, Redes neuronales clásicas. Lógica Fuzzy. Sistemas expertos, CAD. Minería de datos. Redes bayesianas. Fractales, Ingeniería del conocimiento. Métodos combinados. Redes neuronales convolucionales profundas. Redes generativa. Manejo de la cantidad de datos. Técnicas de balance de datos. Modelos pre-entrenados. Transferencia de aprendizaje. Aprendizaje federado. Optimización de hiperparámetros. Entrenamiento, validación y prueba externa. Sobreajuste. Poder de generalización. Métricas de evaluación de desempeño. Manejo de herramientas computacionales para el trabajo con IA.
- Profesor: Marlen Perez Diaz