Objetivos: Entender las técnicas y algoritmos en el aprendizaje supervisado automático (“Machine Learning”) como la clasificación e identificación de sistemas por métodos de caja negra. Ser capaz de analizar datos biológicos con diferentes técnicas de aprendizaje supervisado.

Programa

Modulo 1. Introducción

• Conceptos de inteligencia (AI) y la necesidad de AI en la sociedad.
• Tipos de AI.
• Revisión de la teoría de la probabilidad.
• Introducción a los diferentes tipos de aprendizaje.
• Tratamiento de datos.
• Examinar los tipos de problemas que se pueden resolver con AI.
• Introducción a Python.

Modulo 2. Aprendizaje Supervisado

• Modelado, selección de modelos y regularización.
• Modelos no lineales mixtos.
• Estimación de parámetros y métodos de optimización.
• Clasificación de dos y múltiples clases.
• Máquinas de vectores soporte.
• Aplicación a problemas de enfermedades infecciosas.

Modulo 3. Redes Neuronales

• La biología de neuronas y redes neuronales.
• Redes neuronales artificiales.
• Arquitectura de redes neuronales.
• Algoritmos de aprendizaje.
• Redes profundas (“Deep Learning”).
• Aplicaciones de librerías en Python (Tensorflow y Keras) para predicción de una serie temporal y clasificación.

Next  Course:   UNAM (Summer 2020)