Aprendizaje Computacional 2
Profesores:
Eduardo
F. Morales
emorales
(AT) inaoep.mx
Hugo Jair Escalante
hugojair (AT)
inaoep.mx
Descripción
general:
El objetivo general de curso es conocer
técnicas de Aprendizaje Computacional no vistas en cursos anteriores y
actualizarse en las tendencias del área. El temario de este curso
varía cada año dependiendo de las últimas tendencias del área.
El temario para el 2023 es:
- Introducción (láminas),
Sub-modular (láminas),
parametric (láminas)
- Transfer learning (láminas)
- Multi-label (láminas)
- Evolutionary ML (láminas
1)
- Model seletion and Auto ML
(láminas)
- Inductive Logic Programming (láminas)
- Reinforcement Learning: Inrtroduction
(láminas),
Deep RL (láminas),
Sparse rewards (láminas)
- Deep Learning (láminas)
- Continual Learning
(láminas)
- Recent advances and perspectives (láminas)
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, ...)