Usted está aquí: Inicio Ingeniería Informática Redes de Neuronas Artificiales Guía de aprendizaje

Guía de aprendizaje

Acciones de Documento
  • Vista de contenidos
  • Marcadores (bookmarks)
  • Exportación de LTI
Autores: Inés M. Galván, José María Valls, Ricardo Aler, Javier Huertas

 

Bloques temáticos Tiempo previsto de aprendizaje Materiales de estudio y lectura básicos Materiales de estudio y lectura complementarios Actividades de refuerzo al aprendizaje

Tema 1: Introducción Redes de Neuronas

  • Introducción
  • Fundamentos Biólogicos
  • Modelo Computacional
  • Aprendizaje y Generalización
  • Breve Historia

 

1 hora de estudio

MC-F-01.1 (pdf)

MC-F-01.2 (pdf)

PR-F-01 (pdf)

 

Cap. 1 de LO-B-01

Cap. 4 de LO-B-05

LO-B-02, LO-B-03

OR-E-01

PE-A-01 Preguntas y Ejercicios (pdf)

PE-AS-01 Preguntas y Ejercicios Soluciones (pdf)

Tema 2. Primeros Modelos Computacionales
  • Perceptron Simple
  • Clasificación lineal
  • Adaline
  • Regresión lineal
  • Problemas no linealmente separables
3 horas de estudio +
5 horas Caso práctico I

MC-F-02.1 (pdf)

MC-F-02.2 (pdf)

Cap. 2 de LO-B-01

Cap. 4 de LO-B-05

LO-B-02

OR-E-02

PR-F-04: Caso Práctico I

PR-F-01 (pdf)

PR-F-02.1 (pdf)

PR-F-02.2 (csv)

PR-F-04.1 (pdf)
PR-F-04.2 (pdf)

PE-A-02 Preguntas y Ejercicios (pdf)

PE-AS-02 Preguntas y Ejercicios Soluciones(pdf)

Tema 3: Perceptron Multicapa
  • Introducción
  • Arquitectura
  • Algortimo de Retropropagación
  • Proceso de Aprendizaje
  • Algunos problemas con el uso del PM
  • Clasificación y regresión no lineal

3.5 horas de estudio +

4 horas Caso práctico II +

4 horas Caso práctico III

MC-F-03.1 (pdf)

MC-F-03.2 (pdf)

Cap. 3 de LO-B-01

Cap. 4 de LO-B-05

Cap. 7 de LO-B-04

LO-B-03

OR-E-03, OR-E-04

OR-E-05, OR-E-07

PR-F-05: Caso Práctico II

PR-F-01 (pdf)

PR-F-02.1 (pdf)

PR-F-02.2 (csv)

PR-F-05.1 (pdf)

PR-F-05.2 (txt)

PR-F-05.3 (pdf)

PR-F-06: Caso Práctico III

PR-F-01 (pdf)

PR-F-03.1 (pdf)

PR-F-03.2 (csv)

PR-F-06.1 (pdf)

PR-F-06.2 (txt)

PR-F-06.3 (pdf)

PE-A-03 Preguntas y Ejercicios (pdf)

PE-AS-03 Preguntas y Ejercicios Soluciones(pdf)


Tema 4: Aprendizaje No - Supervisado
  • Introducción
  • Modelo Básico
  • Mapas Autoorganizativos de Kohonen
  • Otros algoritmos de agrupación o clustering

3.5 horas de estudio +

4 horas Caso práctico V

MC-F-04.1 (pdf)

MC-F-04.2 (pdf)

MC-F-04.3 (pdf)

MC-F-04.4 (pdf)

Cap. 6 de LO-B-01

Cap. 15 de LO-B-04

Cap. 4 de LO-B-05

OR-E-03, OR-E-04

OR-E-07

PR-F-08: Caso Práctico V

PR-F-01 (pdf)

PR-F-03.1 (pdf)

PR-F-03.2 (csv)

PR-F-08.1 (pdf)

PR-E-08.2 (link)

PR-F-03.3 (pdf)

PR-F-08.4 (pdf)

PE-A-04 Preguntas y Ejercicios (pdf)

PE-AS-04 Preguntas y Ejercicios Soluciones(pdf)

Tema 5: Redes de neuronas de base Radial

  • Introducción
  • Arquitectura
  • Métodos de aprendizaje
  • Rades de base radial versus Perceptron Multicapa

3 horas de estudio +

4 horas Caso práctico IV

MC-F-05.1 (pdf)

MC-F-05.2 (pdf)

MC-F-04.3 (pdf)

 

Cap. 4 de LO-B-01

Cap. 4 de LO-B-05

OR-E-03, OR-E-04

OR-E-06, OR-E-07


 

PR-F-07: Caso Práctico IV

PR-F-01 (pdf)

PR-F-02.1 (pdf)

PR-F-02.2 (csv)

PR-F-03.1 (pdf)

PR-F-03.2 (csv)

PR-F-07.1 (pdf)

PR-F-07.2 (txt)

PR-F-07.3 (txt)

PR-F-07.4 (pdf)

PE-A-05 Preguntas y Ejercicios (pdf)

PE-AS-05 Preguntas y Ejercicios Soluciones(pdf)

 

Tema 6: Redes Recurrentes
  • Introducción
  • Red de Hopfield
  • Redes Parcialmente Recurrentes
  • Redes Totalmente Recurrentes
  • Long Short-Term Memory
3.5 horas de estudio

MC-F-06.1 (pdf)

MC-F-06.2 (pdf)

Cap. 5 de LO-B-01

Cap. 13 de LO-B-04

LO-B-03

OR-E-03, OR-E-04

OR-E-07, OR-E-08

OR-E-09

PE-A-06 Preguntas y Ejercicios (pdf)

PE-AS-06 Preguntas y Ejercicios Soluciones(pdf)

Tema 7: Introducción a deep learning
3.5 horas de estudio

MC-F-07.1 (pdf)

MC-F-07.2 (pdf)

LO-B-06

OR-E-05

OR-E-10 OR-E-11

PE-A-007 Preguntas y Ejercicios (pdf)

PE-AS-007 Preguntas y Ejercicios Soluciones(pdf)

Examen Final 2.5 horas

PE-A-08 Examen Final (pdf)

PE-As-08 Examen Final Soluciones (pdf)

Reutilizar Curso
Descargar este curso