Machine Learning: Redes Neuronales y Aprendizaje Profundo

Curso

Machine Learning: Redes Neuronales y Aprendizaje Profundo

Inicio / Programas / Machine Learning: Redes Neuronales y Aprendizaje Profundo

Requisitos: Mínimo ser estudiante de pregrado. Se requieren fundamentos de probabilidad, estadística y programación, idealmente en Python.

Idioma: Español

Horario*: Miércoles a viernes - 6:00 a 9:00 pm.

*Los horarios y modalidad (virtual o semipresencial) de los cursos están sujetos a modificaciones. Las fechas y horarios de las sesiones podrán ser consultados en mibanner.uniandes.edu.co

Este curso hace parte del portafolio de materias de pregrado y posgrado de la Universidad  abiertas a todo público.

Al participar en este curso podrás vivir la experiencia Uniandina, acceder a contenidos de calidad, tomar  clases con estudiantes regulares, acceder al sistema de bibliotecas de Uniandes y participar en las actividades culturales que esta Universidad te ofrece.

Contenido

Módulo: Curso práctico en Machine Learning: Redes Neuronales y Aprendizaje Profundo. 

Machine Learning (ML) ha cobrado en años recientes gran importancia en la industria y la academia en procesos de modelamiento, automatización, predicción y toma de decisiones. En los últimos años se han desarrollado una gran variedad de métodos de ML, buscando responder a la amplia disponibilidad de datos y multitud de casos de uso. 

Este curso provee una aproximación práctica a los modelos de ML, especialmente redes neuronales, redes profundas, convolucionales y recurrentes. Se cubrirán los fundamentos de estas redes, su implementación empleando librerías de Python, con énfasis en aplicaciones de imágenes y señales temporales. 

Profesores

Juan Rafael Martínez

Harvard PhD in Astronomy, June 2012, Leiden University Msc in Astronomy, December 2007, Leiden University Bsc in Physics, July 2005, Universidad Nacional de Colombia

Juan Fernando Pérez

Profesional Distinguido en el Departamento de Ingeniería Industrial, Universidad de los Andes, Colombia. Juan obtuvo su grado de PhD en Ciencias de la Computación de la University of Antwerp, Bélgica, en 2010. Tiene un pregrado y maestría en Ingeniería Industrial de la Universidad de los Andes, Colombia, 2006. Juan fue Investigador postdoctoral en análisis de desempeño en Imperial College London, UK, Department of Computing, y en modelamiento estocástico en la University of Melbourne, Australia, School of Mathematics and Statistics. Juan lideró la creación de la Escuela de Ingeniería, Ciencia y Tecnología de la Universidad del Rosario, Colombia, y contribuyó a la creación del programa de Matemáticas Aplicadas y Ciencias de la Computación. Sus intereses se centran en el análisis de datos para la toma de decisiones, el análisis de desempeño de sistemas de computadores, especialmente en aplicaciones de software intensivas en datos empleadas para ejecutar trabajos de aprendizaje de máquina de gran escala, computación en clusters y en la nube.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.

Relacionados