Aprendizaje automático
Curso de Posgrado
Aprendizaje Automático
– PREINSCRIPCIONES CERRADA –
PRE INSCRIPCIÓN:
Desde el 22 de agosto al 2 de septiembre de 2022 o hasta completar 50 solicitudes / pre-inscripciones, lo que ocurra primero.
La cantidad máxima de aspirantes admitidos para el cursado será de 20 personas.
CONFIRMACIÓN DE INSCRIPTOS:
Del 05 al 09 de septiembre de 2022.
INICIO Y FIN DE CLASES:
Del 12 de septiembre al 21 de noviembre de 2022.
Modalidad de cursado: Virtual.
Al finalizar el curso, cada estudiante será capaz de seleccionar y evaluar los principales modelos y algoritmos teóricos y prácticos del aprendizaje automático con el fin de realizar diseños para la resolución de problemas de sistemas aeroespaciales.
Se proponen encuentros sincrónicos donde mediante exposición dialogada se van analizando los temas propuestos.
Se realizan circuitos discursivos basados en experiencias, apoyados en los trabajos prácticos que cada estudiante va haciendo como trabajo personal en el Curso.
La estrategia de planificación didáctica está basada en el libro de texto [1] y se incorpora bibliografía especializada según la unidad didáctica [2] [3] [4] (ver en bibliografía).
Se pretende hacer una trasposición didáctica del aprendizaje automático, con el nivel técnico de profundidad adecuado para estudiantes de posgrado e investigadores en las áreas afines.
Programa de prácticas:
El curso incluye como actividades prácticas, la resolución por parte de cada estudiante y a modo de tareas, de problemas propuestos por el docente. Los problemas contemplan el modelizado, el diseño del algoritmo y la simulación en computadora.
Estos problemas se resuelven parcialmente en el aula. A tal efecto se dedicará el 50% del tiempo de asignación áulica del curso a clases prácticas guiadas. Las prácticas serán completadas por cada estudiante como tarea extra áulica. Cada tema del programa de la asignatura tiene asociado una práctica de problemas.
Todo el material estará disponible en el Aula Virtual, enlaces con información pertinente y enlaces usados en clases.
UNIDAD N°1: Teoría de probabilidad y estadística. (20Hs)
Introducción. Variables estocásticas. Probabilidades marginal y condicional. Teorema de Bayes. Esperanza, varianza, covarianza. Predicción. Teoría de la decisión y selección del modelo. Distribuciones y densidades típicas pertinentes a los sistemas espaciales. Problemas. Ejercicios. Casos para simulación.
UNIDAD N°2: Regresión y clasificación lineal. (5Hs)
Distribución de probabilidad. Estadística. Verosimilitud. Distribución Gaussiana. Mezcla de Gaussianas. Gaussianas lineales y densidades genéricas. Regresión Lineal. Ajuste mediante ML o estima Bayesiana. Casos de estudio para realizar experimentos estadísticos y regresión. Estudio del sobre-ajuste como problema inherente en la estima ML.
UNIDAD N°3. Redes neuronales directas. (5Hs)
Modelos de clasificación. Superficies de decisión lineales. Propuesta geométrica. Maximiza distancia de medias y minimiza varianzas. Propuesta probabilística. Funciones sigmoidales. Regresión logística. Redes neuronales como modelos para regresión /clasificación. Evaluación directa. Esquema de máxima posibilidad. Retro propagación para obtener el gradiente. Ejercicios para experimentación.
UNIDAD N°4. Redes neuronales de núcleos. (5Hs)
Métodos basados en kernel. Predicción exacta. Mejoras para obtener generalización: redes de base radial. Entrenamiento de redes de base radial. Ejemplos para experimentar. Error suma de cuadrados. Error de Minkowski. Varianza dependiente de la entrada. Modelado de distribuciones condicionales. Estima de probabilidades a posteriori. Suma de cuadrados para clasificación. Entropía cruzada. Entropía.
UNIDAD N°5. Aplicaciones a la predicción y al control automático. (25Hs)
Definición del problema. Clasificación de las series temporales. Análisis regresivo, en dominio temporal y frecuencial. Construcción del modelo. Métricas para evidencias de modelos. Formulación del problema de predicción para procesos determinísticos. El planteo en el problema del control óptimo. Programación dinámica. Técnicas numéricas iterativas para encontrar acciones de control óptimas y trayectorias. Neurocontrolador basado en Programación Dinámica. Control basado en redes neuronales. Control libre de modelo: Aprendizaje Q y aprendizaje reforzado.
[1] Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006, ISBN: 0387310738.
[2] C. E. Rasmussen & C. K. I. Williams, Gaussian Processes for Machine Learning, the MIT Press, 2006, ISBN 026218253X. 2006 Massachusetts Institute of Technology. www.GaussianProcess.org/gpml.
[3] Ajoy K. Palit, Dobrivoje Popovic Computational Intelligence in Time Series Forecasting: Theory and Engineering Applications (Advances in Industrial Control) (Kindle Edition), Springer, 2005.
[4] Chris Chatfield, The Analysis of Time Series: An Introduction, (Texts in Statistical Science), Chapman & Hall/CRC; 2003, ISBN: 1584883170.
Docentes
Julián Pucheta
Orlando Micolini
PRE-INSCRIPCIÓN CERRADA
Pasos a seguir:
1. Completar el formulario de pre-inscripción, que se encuentra más abajo, en el plazo previsto adjuntando toda la documentación solicitada en formato pdf.
2. Dado que los cupos son limitados, se realizará una selección entre los postulantes y se comunicará el resultado por correo electrónico. Si es aceptado deberá confirmar su asistencia y disponibilidad para tomar el curso. Si por alguna razón no pudiera asistir deberá informar su declinación a la mayor brevedad posible, a fin de otorgar la posibilidad a otro postulante. El abandono del cursado le impedirá ser aceptado nuevamente.
Si fue admitido continúe con los siguientes pasos.
3. Enviar toda la documentación solicitada (pestaña siguiente) para la inscripción formal por correo postal y por correo electrónico en un único archivo pdf. Este paso es un requisito obligatorio para ser admitido como alumno/a del IG y acceder a la certificación de aprobación. Se le informará el domicilio al cual realizar el envío postal de la documentación y la dirección de correo electrónico a la cual enviar la documentación digital.
En la parte delantera del sobre donde envíe toda la documentación debe decir: NOMBRE, APELLIDO Y PROPUESTA EDUCATIVA A LA QUE PERTENECE.
Previamente a enviar la documentación por correo postal debe enviar en PDF una copia de cada documento a enviar al correo cursos@ig.edu.ar
Es obligatorio que todas las documentaciones estén certificadas por Escribano Público Nacional o certificadas por la Apostilla de la Haya SIN EXCEPCIÓN
NO se aceptarán otros tipos de certificaciones.
1) Fotocopia de DNI, CI o Pasaporte: Certificado por escribano público o apostilla de la haya (en caso de ser extranjero)
2) Fotocopia de Analitico universitario (o concentrado de notas): Debe constar claramente la finalización de estudios en el analítico universitario. – Egresados/as de universidades argentinas: Fotocopia certificada por Escribano Público Nacional matriculado. En la fotocopia debe constar claramente la finalización de estudios universitarios. – Egresados/as de universidades extranjeras: Fotocopia certificada mediante Apostilla de la Haya.(La fotocopia debe estar certificada, no se aceptará fotocopia de original certificado.)
3) Fotocopia de Título (Diploma) universitario: si hubiere, certificada por Escribano Público Nacional matriculado (Egresados argentinos) o certificado mediante Apostilla de la Haya (Extranjeros) . IDEM PUNTO 2
4) Currículum Vitae: firmado en todas sus hojas
5) Foto/retrato color formato jpg. 6) Pre Inscripción por Guaraní: – Si ud. ya fue alumno de la UNC/IG: deberá realizar la pre inscripción a la propuesta por autogestión y notificar que se hizo por este medio al correo cursos@ig.edu.ar – si ud. no fue alumno de la UNC/IG: deberá realizar la pre inscripción a la propuesta por preinscripción y enviar el formulario firmado que se genera al finalizar al correo cursos@ig.edu.ar
DESTINATARIO: Instituto Gulich, Universidad Nacional de Córdoba – Secretaria General del Rectorado – Mesa general de entradas y salidas.
DIRECCIÓN: Enrique Barros, esquina Enfermera Gordillo Gomez. Baterías Aulas «D». EDIFICIO CLAUSTRORUM- CPA 5000, Córdoba Capital, Argentina.
IMPORTANTE:
- El formulario se podrá enviar siempre y cuando se hayan completado todos los campos marcados como «obligatorios».
- Una vez enviado, aparecerá un mensaje confirmando la operación y le llegará por correo electrónico la misma notificación (chequear carpeta «Spam»). En caso de no ocurrir esto último, completar y enviar nuevamente.
