Aprendizaje Computacional 2
Profesores:
Eduardo
F. Morales
emorales
(AT) inaoep.mx
Descripción general: Ver introducción
El objetivo general de curso es conocer
técnicas de aprendizaje computacional no vistas en el curso
introductorio y actualizarse en las tendencias del área. En este curso
se van a ver algunos temas recientes de Aprendizaje Computacional. El
temario de este curso varía cada año dependiendo de las últimas
tendencias del área.
El temario para el 2019 (no necesariamente en este orden) es:
- Algoritmos de búsqueda (láminas)
- Aprendizaje paramétrico (láminas)
- Ensambles de clasificadores (láminas)
- Aprendizaje Semi-supervisado (láminas)
- Aprendizaje Profundo (láminas)
- Aprendizaje por Refuerzo (láminas)
- Aprendizaje por Refuerzo Profundo (láminas)
- Programación Lógica Inductiva (láminas)
- Procesos Gausianos (láminas)
- Aprendizaje por Transferencia (láminas)
- Aprendizaje multi-etiqueta (láminas)
- Avances recientes y perspectivas (láminas)
- Entrega de proyectos (Ver lista de proyectos)
La evaluación del curso es en base a un proyecto relacionado a la
temática vista en el curso.
Proyecto Final:
Presentación - 15 minutos máximo por proyecto
Reporte del Proyecto Final - Entregar un documento en forma de
artículo científico (usar formato LN de Springer) de máximo 10 páginas
(sin incluir anexos) de su proyecto final que contenga lo
siguiente:
- Resumen
- Introducción
- Trabajo relacionado
- Metodología y Desarrollo
- Experimentos y resultados
- Conclusiones y trabajo futuro
- Referencias (usar algún formato estandar)
- Anexos (resultados en detalle, modelos, código, ...)