_____________________________________________________________________________________


Vídeo  de presentación del curso

Redes de Neuronas Artificiales

INÉS M. GALVÁN

JOSÉ Mª VALLS
RICARDO ALER
JAVIER HUERTAS

Departamento de Informática, Universidad Carlos III de Madrid

Área: Inteligencia Artificial

Titulación: Grado en Ingeniería Informática

Noviembre, 2017Compartir:    


21 horas de teoría, 21 horas de prácticas y 2.5 horas de examen.
Tiempo total previsto de aprendizaje: 44.5 horas.

 

PRERREQUISITOS Y CONOCIMIENTOS PREVIOS RECOMENDADOS

Es conveniente, aunque no imprescindible, tener conocimientos de Programación, Álgebra Lineal, Estadística e Inteligencia Artificial.

 

DESCRIPCIÓN GENERAL DEL CURSO

Las Redes de Neuronas Artificiales se enmarcan dentro de las técnicas de Aprendizaje Automático. Son modelos de computación inspirados en la neurona biológica que permiten la resolución de problemas a partir de un conjunto de ejemplos representativos del problema. Durante el curso se estudian los diferentes tipos de redes de neuronas y los distintos mecanismos de aprendizaje (supervisado, no-supervisado). El curso también se centra en enseñar aspectos prácticos para saber aplicar los modelos neuronales a la resolución de problemas reales de clasificación, predicción, regresión y agrupamiento.


OBJETIVOS: CONOCIMIENTOS Y CAPACIDADES

  • De Conocimiento:
    • Conocer el fundamento matemático/biológico de las neuronas artificiales.
    • Adquirir el concepto de red neuronal y proceso de aprendizaje.
    • Conocer las diferentes arquitecturas de redes neuronales.
    • Conocer los diferentes paradigmas de aprendizaje de las redes neuronales, así como su fundamento teórico.
    • Comprender el funcionamiento de las redes de neuronas artificiales, adaptando cada técnica a las características específicas del problema.
    • Conocer las diferentes áreas de aplicabilidad de las redes neuronas artificiales.

  • De Aplicación:
    • Aplicar los conocimientos sobre redes neuronales en la resolución de problemas reales, haciendo énfasis en la exactitud y la complejidad de los mismos.
    • Plantear correctamente las distintas fases para la resolución de un problema mediante redes neuronales.
    • Desarrollar una aplicación que resuelva un problema de aproximación, predicción o clasificación mediante redes neuronales.
    • Capacidad para diseñar un conjunto de experimentos que lleven a la resolución del problema.
    • Documentar correctamente la resolución de un problema mediante redes neuronales.
  • De Análisis y Síntesis:
    • Capacidad para analizar e interpretar resultados.
    • Reconocer y clasificar los distintos tipos de problemas a los que resultan aplicables las diferentes arquitecturas de redes neuronales.
    • Combinar y extrapolar los conocimientos adquiridos para la construcción de una red neuronal, decidiendo la arquitectura y los parámetros de la misma.
    • Capacidad de valorar la eficacia de una red neuronal dada para la resolución de un problema concreto.
    • Considerar la relación entre coste computacional y mejora marginal de diferentes soluciones, eligiendo soluciones razonables según las características de un determinado problema.


MATERIAL DOCENTE

Para cada tema se aportan transparencias y un resumen del contenido de dichas transparencias. Se incluyen también diferentes casos prácticos a resolver con las redes estudiadas en el curso.


 ACTIVIDADES DE EVALUACIÓN O TAREAS PRÁCTICAS

Para cada tema se aporta un conjunto de ejercicios y/o preguntas para la evaluación y asimilación de los contenidos teóricos.

Para los casos prácticos se incluye, además de los enunciados, una guía para su realización y un documento para la autoevalución.

Se incluye también un examen final del curso.

Última modificación: viernes, 3 de diciembre de 2021, 09:13