Vés enrere

La Inteligencia Artificial y sus Aplicaciones: Aprende la Ciencia que Está Cambiando el Mundo (#enginyeries)

La Inteligencia Artificial y sus Aplicaciones: Aprende la Ciencia que Está Cambiando el Mundo (#enginyeries)

06.02.2019

Descripción

Inscriu-te al curs

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.

 

Destinataris: estudiants de tercer i quart d'ESO, de primer de batxillerat o bé de cicle formatiu de grau mitjà

Places: 25

Llengua: castellà

Dates i horari: del 2 a 6 de setembre, de 9.30 a 14.00 h

Preu: 110 €

Lloc: campus del Poblenou

Aules: pendent

 

Programa

Módulo 1. Introducción

Conceptos

Procedimientos

Actitudes

  1. Introducción a la inteligencia artificial.
  2. Áreas de aplicación.
  3. Aprendizaje supervisado vs. aprendizaje no supervisado.
  4. Extracción de atributos.
  1. Entender qué es la inteligencia artificial, su potencial y limitaciones, y sus áreas de aplicación.
  2. Distinguir entre aprendizaje supervisado y no supervisado.
  3. Entender los mecanismos para la extracción de atributos.

1. Interés en la inteligencia artificial y sus aplicaciones.

 

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.
  1. Entender los mecanismos y la importancia de la extracción de atributos.
  2. Entender las principales características de los algoritmos ID3 (árboles de decisión), redes neuronales (back propagation) y k-NN.
  3. Aplicar árboles de decisión, redes neuronales, redes neuronales y k-NN a problemas prácticos.
  1. Interés en la aplicación de la inteligencia artificial.
  2. Buena  actitud para resolver problemas prácticos.

 

Módulo 3. Proyecto

Conceptos

Procedimientos

Actitudes

  1. Recolección y visualización de datos.
  2. Selección de atributos.
  3. Modelado de datos.
  4. Análisis de resultados.
  1. Obtener y analizar datos reales.
  2. Aplicar métodos automáticos de selección de atributos.
  3. Aplicar técnicas de aprendizaje automático.
  4. Analizar los modelos obtenidos. 
  1. Interés en la aplicación de la inteligencia artificial.
  2. Buena  actitud para resolver problemas prácticos.

 

Metodología

La metodología del curso tiene tres componentes principales:

  • Explicación de conceptos.
  • Aplicación práctica de los conceptos explicados.
  • Proyecto.

Explicación de conceptos: este componente introduce los conceptos básicos del curso. El profesor los explicará de manera intuitiva con la ayuda de un ordenador, un proyector, la pizarra y otros materiales de soporte. Se usarán diapositivas para complementar las explicaciones, las cuales se repartirán a los estudiantes como notas de clase y material de estudio. Las explicaciones serán interactivas, para motivar y estimular el pensamiento crítico entre los estudiantes. 

Aplicación práctica de los conceptos explicados: cada concepto explicado en clase será ejemplificado con una minipráctica, un ejercicio práctico, usando el concepto recién aprendido para solucionar un problema real. En este componente, los estudiantes trabajarán en un problema práctico bien definido por el profesor y serán supervisados durante el proceso. Al inicio de este proceso el profesor explicará claramente los objetivos de la minipráctica y dará instrucciones sobre cómo lograr dichos objetivos. Los estudiantes podrán trabajar en grupo, si el ejercicio lo requiere, y usar software open-source. Las miniprácticas permiten a los estudiantes poner en práctica los conceptos aprendidos. Además, el curso incluirá una charla/discusión con un profesional que trabaja en la industria usando inteligencia artificial.

Proyecto: el componente final del curso será llevar a cabo un proyecto en inteligencia artificial aplicada en algún ámbito escogido por los estudiantes. Lo llevarán a cabo en grupo y cada grupo elegirá un problema de su interés, para poder aplicar las técnicas aprendidas durante el curso. Todo ello supervisado por el profesor. Cada grupo presentará la metodología y los resultados de su proyecto al resto de estudiantes.

 

Bibliografía

  • Witten, Ian H.; Eibe, Frank; Mark, A. Hall Data mining: practical machine learning tools and techniques. [Recurso electrónico]
  • Mitchell, Tom M. Machine learning.

 

Profesor

El Dr. Rafael Ramírez-Meléndez 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) a 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 cien artículos de investigación en revistas y congresos internacionales sobre inteligencia artificial y música.

Categories: