PLANES DE ESTUDIO

Disciplina asociada:  

Escuela:  

Departamento Académico:   

Programas académicos:   

Requisitos:  

Equivalencia:  

Intención del curso en el contexto general del plan de estudios:  

Es un curso de nivel avanzado que tiene la intención de proveer al alumno de los conocimientos y las habilidades para plantear soluciones a problemas prácticos usando algoritmos de aprendizaje profundo. Requiere conocimientos de programación en algún lenguaje de alto nivel. Como resultado del aprendizaje el alumno podrá aplicar estos algoritmos de aprendizaje profundo después de analizar problemas prácticos con datos no estructados, por ejemplo en fotografías, textos, audio, etc.

Objetivo general de la Unidad de Formación:  

Al finalizar el curso el alumno será capaz de:

- Conocer las técnicas de aprendizaje profundo más usuales en el campo de los sistemas inteligentes, tales como las redes neuronales, redes convolucionales, redes recurrentes, aprendizaje por refuerzo y aspectos prácticos para afinar dichas redes ajustando su precisión, regularización y el ajuste de hiperparámetros.

- Reconocer problemas que pueden ser resueltos con estas técnicas de aprendizaje profundo.

- Aplicar estas técnicas a problemas reales principalmente con datos no-estructurados, por ejemplo en fotografías, textos, audio, etc.

Técnica didáctica sugerida:  

Bibliografía sugerida:  

Perfil del Profesor:  

Idioma en que se imparte la materia:  

Discipline:  

School:   

Academic Department:   

Programs:   

Prerequisites:  

Equivalences:  

Course intention within the general study plan context:  

It is an advanced level course that intends to provide the student with the knowledge and skills to propose solutions to practical problems using deep learning algorithms. Requires programming knowledge in some high level language. As a result of the learning the student will be able to apply these deep learning algorithms after analyzing practical problems with non-structured data, for example in photographs, texts, audio, etc.

Course objective:  

At the end of the course the student will be able to:

- Know the most common deep learning techniques in the field of intelligent systems, such as neural networks, convolutional networks, recurrent networks, learning by reinforcement and practical aspects to fine-tune these networks by adjusting their accuracy, regularization and adjustment of hyperparameters.

- Recognize problems that can be solved with these deep learning techniques.

- Apply these techniques to real problems mainly with unstructured data, for example in photographs, texts, audio, etc.

Teaching and learning tecniques:  

Suggested Bibliography:  

Academic credentials required to teach the course:  

Language of Instruction: