Este curso introduce el tema de la inteligencia artificial de una manera intuitiva y práctica a través de proyectos aplicados en áreas como la medicina, música, finanzas y neurociencia. Durante el curso, los estudiantes aprenderán a aplicar técnicas de inteligencia artificial, aprendizaje automático y Big Data para resolver problemas reales.

Programa

Módulo 1. Introducción

1. Introducción a la inteligencia artificial
2. Áreas de aplicación
3. Aprendizaje supervisado vs. aprendizaje no supervisado
4. Extracción de atributos

5. Introducción al lenguaje de programación Python

Módulo 2. Técnicas de inteligencia artificial + miniproyectos de prácticas

Conceptos, procedimientos, actitudes

1. Selección de atributos
2. Árboles de decisión
3. Redes neuronales artificiales y deep learning
4. k-NN (vecino más cercano)
5. Big Data
6. Aplicaciones prácticas

Módulo 3. Proyecto

1. Recolección y visualización de datos
2. Selección de atributos
3. Modelado de datos
4. Análisis de resultados

Metodología

La metodología del curso tiene tres componentes principales:

1. Aprendizaje de conceptos basado en miniproyectos
   Este componente introduce los conceptos básicos del curso a través de miniproyectos. Después de una explicación breve e intuitiva, los estudiantes llevarán a cabo directamente un miniproyecto en el ordenador aplicando conceptos de inteligencia artificial. Se utilizarán diapositivas para complementar las explicaciones que se repartirán a los estudiantes como notas de clase y material de estudio. Las explicaciones y la elaboración de los proyectos serán interactivas para motivar y estimular el pensamiento crítico entre los estudiantes.
2. Proyectos con aplicación práctica
   Los miniproyectos elaborados para aprender conceptos básicos de la inteligencia artificial serán usados para solucionar un problema de la vida real. En este componente, los estudiantes trabajarán en un problema práctico bien definido por el profesor y serán supervisados durante el proceso, al inicio del cual el profesor explicará claramente los objetivos del proyecto y dará instrucciones sobre cómo lograr dichos objetivos. Los estudiantes podrán trabajar en grupos si el ejercicio lo requiere. Los estudiantes usarán software open-source para trabajar en los ejercicios. Los proyectos permiten a los estudiantes poner en práctica los conceptos aprendidos en un contexto de la vida real. Además, el curso incluirá una charla/discusión con un profesional que trabaja en la industria usando inteligencia artificial.
3. Proyecto final
   El componente final del curso será llevar a cabo un proyecto en inteligencia artificial aplicada en algún ámbito escogido por los estudiantes. Dicho proyecto se llevará a cabo en grupos: cada grupo elegirá un problema de su interés y aplicará las técnicas aprendidas durante el curso, supervisado por el profesor. Cada grupo presentará la metodología y los resultados de su proyecto al resto de los estudiantes.

Bibliografía

• Data mining [Recurso electrónico]: practical machine learning tools and techniques (Ian H. Witten, Eibe Frank, Mark A. Hall).
• Machine learning (Tom M. Mitchell).
• Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, Aurélien Géron, 2a. ed, O’Reilly Media. 2020.

Profesorado

El Dr. Rafael Ramirez-Melendez es profesor agregado y director del Music and Machine Learning Lab del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la Universidad Pompeu Fabra. Licenciado en Matemáticas por la Universidad Nacional Autónoma de México y doctorado en Computer Science (Inteligencia Artificial) por la Universidad de Bristol (UK). Actualmente dirige proyectos de investigación internacionales aplicando la inteligencia artificial (aprendizaje automático) en diferentes ámbitos. Asimismo, imparte el curso Aprendizaje Automático (Machine Learning) en los grados del DTIC, y dos asignaturas de máster (Master SMC y CSIM) aplicando machine learning en diferentes áreas. Como investigador, ha publicado más de 100 artículos de investigación en revistas y congresos internacionales sobre inteligencia artificial y música.