Scribd
Cargar
115 vistas2 páginas

Curso DeepLearning en Ingeniería

Este documento presenta un curso de posgrado sobre Deep Learning o aprendizaje profundo. El curso se enfoca en redes neuronales profundas y su aplicación a problemas con grandes volúmenes de datos. Los estudiantes aprenderán sobre redes neuronales convolucionales, recurrentes y casos de estudio. La evaluación consistirá en talleres, proyectos sobre redes convolucionales y recurrentes, y un proyecto final.

Cargado por

mateo guerra londoño
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
115 vistas2 páginas

Curso DeepLearning en Ingeniería

Este documento presenta un curso de posgrado sobre Deep Learning o aprendizaje profundo. El curso se enfoca en redes neuronales profundas y su aplicación a problemas con grandes volúmenes de datos. Los estudiantes aprenderán sobre redes neuronales convolucionales, recurrentes y casos de estudio. La evaluación consistirá en talleres, proyectos sobre redes convolucionales y recurrentes, y un proyecto final.

Cargado por

mateo guerra londoño
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Código FDE 018

MICRODISEÑO CURRICULAR
Versión 01
DEPARTAMENTO DE POSGRADOS
Fecha 2015-03-25

Doctorado en Ingeniería

Asignatura DeepLearning
Área Profundización
Código Créditos 4 TIT 144 TPT 48

1. DESCRIPCIÓN

El termino DeepLearning o aprendizaje profundo hace referencia a un nuevo conjunto de


arquitecturas de redes neuronales que están siendo utilizadas con gran éxito en múltiples
problemas y áreas del conocimiento con grandes volúmenes de datos. DeepLearning se
reconoce como un campo de la inteligencia artificial. Actualmente, son la base tecnológica
de aplicaciones en: aprendizaje automático, internet de las cosas-IOT, seguridad de la
información, Big Data y computación cognitiva. Este curso de posgrado esta orientado a
estudiantes con conocimientos previos en aprendizaje de maquinas, así como
fundamentos de procesamiento de imágenes y señales (filtrado, convolución). Al finalizar
el curso el estudiante tendrá la capacidad de aplicar las redes neuronales profundas a la
solución de problemas reales en diferentes contextos.

2. CONTENIDO
Contenido detallado Tiempo
Introducción a redes neuronales 3
Introducción a redes neuronales profundas 9
Redes neuronales convolucionales CNN 15
Redes neuronales recurrentes RNN 15
Casos de estudio 6

3. EVALUACION

Actividad %
Talleres 20%
Proyecto de redes neuronales convolucionales 20%
Proyecto de redes neuronales recurrentes 20%
Proyecto final 40%

BIBLIOGRAFÍA
Código FDE 018
MICRODISEÑO CURRICULAR
Versión 01
DEPARTAMENTO DE POSGRADOS
Fecha 2015-03-25

RUSSELL, Stuart. NORVIG, Peter. Artificial intelligence : a modern approach.. – 3rd. ed.
ISBN 9780136042594. New Jersey : Pearson/Prentice Hall, 2010.

DUDA, R. HART, P. & STORK, D. Pattern classification. - 2nd ed. ISBN 0471056693.
Canadá : John Wiley & Sons, 2001.

SCHÖLKOPF, B. & SMOLA, A. learning with Kernels: support vector machines,


regularization, optimization, and beyond. Estados Unidos : MIT Press, 2002. 624 p.

HAYKIN, S. Neural networks and learning machines. - 3rd ed. New Jersey : Prentice-Hall,
2009. 906 p

GONZALEZ, R. C., & WOODS, R. E. Digital image processing. 3Rd Edition, New Jersey:
Prentice-Hall, 2010. 976 p.

GONZALEZ, R. C., WOODS, R. E. & EDDINS, S. Digital image processing using


MATLAB. 2nd Edition, New Jersey, Prentice-Hall, 2010. 826 p.

PAJARES, Gonzalo, and J. M. DE LA CRUZ. "Visión por computador." Imágenes Digitales


y Aplicaciones. Alfaomega (2008).

SEBE, N., & LEW, M. S. Robust computer vision: Theory and applications. Dordrecht:
Kluwer Academic. 2003.

Elaborado por:
Aprobado por: Fecha: 22/06/2016

También podría gustarte