Machine Learning for Multiscale Analysis of Biomedical Data
Inteligencia Artificial para el Analsis Supervisado de Datos
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.