Cursos, Investigación y Recursos en Inteligencia Artificial

INICIO    CURRÍCULO    CONTÁCTANOS    MAPA DEL SITIO

REDES NEURONALES - FUNDAMENTOS

 

2008- I

 

.   

SUMILLA

En el curso se imparten conocimientos sobre redes neuronales y se aplica a la resolución de problemas de reconocimiento de patrones, pronóstico y clasificación. Las redes neuronales intentan emular algunas características propias de los humanos, como su capacidad de memorizar y asociar hechos, donde no es claro de qué forman se relacionan las características. Las redes neuronales se aplican a aquellos problemas de aprendizaje que no pueden expresarse mediante algoritmos convencionales.

 

 

OBJETIVOS DEL CURSO

Al final del curso los alumnos estarán en capacidad de:

  • Comprender sistemas para el reconocimiento de patrones usando redes neuronales artificiales.

  • Diseñar y desarrollar sistemas inteligentes para el reconocimiento de patrones basados en redes neuronales artificiales, considerando criterios de rendimiento.

  • Identificar los diferentes tipos de redes neuronales y sus aplicaciones.

  • Usar diferentes herramientas para implementar modelos de redes neuronales.

  • Evaluar la calidad de la solución de una red neuronal artificial.

 

 

PROFESOR

Samuel Oporto Díaz (soporto@wiphala.net)

Magíster en Inteligencia Artificial - ITESM. Ingeniero de Sistema - UNI. Docente del curso de Inteligencia Artificial en la UNI, USMP y UPC. Docente del Curso de Minería de Datos en el IIFIIS. Investigador Principal del Instituto de Investigación de la FIIS-UNI. Investigador en Ciencias de Computación con publicaciones en: IJCNN-2007 of August 2007 Orlando, FL, USA. ICAIPR of July 2007 Orlando, FL, USA. ICIAR2005, Toronto – Canada. LNCS-2005, Springer Journal – Canada. CLEI2004 Lima-Perú y CLEI2006 Santiago de Chile. Consultor en Sistemas Inteligentes y Sistemas Autónomos. Gerente General KASCorp.

 

 

DIRIGIDO A

  • Profesionales que necesiten reconocer patrones desde los datos.

  • Profesionales en estadística.

  • Alumnos y egresados de ingeniería y ciencias que desean desarrollar su tesis.

  • Profesionales que desean conocer los fundamentos de las redes neuronales.

 

 

PRE-REQUISITOS

  • Conocimientos básicos de algoritmia.

  • Conocimientos de SQL

  • Conocimientos de estadística.

 

 

MAPA CONCEPTUAL

 

CONTENIDO DEL CURSO

Introducción a las redes neuronales (1 h)

 

Red Perceptron y adaline (2h)

 

Red de Retropropagación (4h)

 

Redes de auto-organización - Kohonen (3h)

 

Red de Base Radial (2h)

 

Análisis de redes neuronales (2h)

 

 

ESTRATEGIA DE APRENDIZAJE

Las clases son teóricas y prácticas, la teoría tiene por finalidad que el alumno conozca los conceptos a ser usados, es práctica tiene por finalidad que el alumno haga uso de las herramientas de software y los conceptos aprendidos para resolver problemas tipo.

 

 

MÉTODO DE EVALUACIÓN

  • Durante el desarrollo del curso se toman evaluaciones del proceso y un trabajo integrador que trata de medir el grado de aprendizaje del alumno.

  • Para que los alumnos obtengan un certificado del curso deben cumplir los siguientes requisitos: asistir al menos al 80% de las sesiones de clase y obtener al menos una nota de 14 en las evaluaciones del curso.

 

 

FECHAS IMPORTANTES

  • Por definir

  • Duración: 16 horas.

 

 

EQUIPOS Y MATERIALES

  • Todos los alumnos al iniciar las clases reciben el material del curso.

  • Todos los alumnos tienen asignados una PC

 

 

SOFTWARE

  • MATLAB

  • WEKA

  • ALYUDA

 

BIBLIOGRAFÍA

  • Neural Networks. Algorithms, Applications, and Programming Techniques. Freeman, James A.; Skapura, David M. 1991. Addison Wesley Longman Publishing Co., Inc ISBN 0-201-51376-5

  • Redes Neuronales y Sistemas Difusos. MARTIN DEL BRIO, Bonifacio; SANZ, Alfredo 2002 Ed. Alfaomega ISBN 84-7897-466-0.

 

 

INFORMES E INSCRIPCIONES

 

 

LUGAR DE CLASES

  • Por definir