El curso propuesto tiene como objetivo principal complementar la formación adquirida por los alumnos y titulados en las distintas especialidades de ingeniería en lo referente a la programación en Python y su utilización en el ámbito de la Inteligencia artificial y el aprendizaje, en concreto, en la aplicación de optimización Bayesiana y de Deep Learning.
En la actualidad se está produciendo un gran desarrollo tecnológico en el campo de la inteligencia artificial y el aprendizaje a partir de datos, propiciando una demanda creciente de ingenieros y técnicos formados en las materias necesarias para el diseño y análisis de técnicas basadas en inteligencia artificial. Actualmente Python es el lenguaje líder en estos campos, por lo que el curso aborda en primer lugar el aprendizaje de este lenguaje de programación y, a continuación, la utilización de los módulos concretos de Python, especializados en algoritmos de optimización Bayesiana y Deep Learning (Keras), respectivamente.
Los requisitos que se solicitan para los participantes son de conocimientos básicos de programación, no necesariamente en Python, ya que se empezará desde el inicio con este lenguaje. Se empleará una metodología eminentemente práctica, y se proporcionará todo el software necesario para trabajar en Python con las librerías necesarias. Se contempla la realización de pequeños ejercicios prácticos para cada uno de los módulos del curso.
El plazo de matriculación es del 24 de Enero de 2020 hasta el 23 de Febrero del 2020. La fecha de inicio: 24 de Febrero de 2020.
Horarios:
- 24.02.2010 (16:00h a 20:00h)
- 26.02.2020 (16:00h a 20:00h)
- 02.03.2020 (16:00h a 20:00h)
- 04.03.2020 (16:00h a 19:00h)
- 09.03.2020 (16:00h a 20:00h)
- 11.03.2020 (16:00h a 20:00h)
- 16.03.2020 (16:00h a 20:00h)
- 18.03.2020 (16:00h a 19:00h)
Lugar: Edificio Leonardo Da Vinci (Campus de Rabanales) - Aula de Informática 2 (LV5B230)
Contenidos:
- Bloque I: Conceptos básicos de Python. Librerías para análisis de datos en Python I. Librerías para análisis de datos en Python II. 10 horas.
- Bloque II: Introducción al aprendizaje basado en procesos Gaussianos. Optimización Bayesiana. Introducción a Deep Learning con Keras. 9 horas.
- Bloque III: Redes completamente conectadas y redes neuronales convolucionales. Machine Learning con scikit: Clasificación. Redes neuronales recurrentes. 11 horas.
Mas información: https://www.uco.es/estudios/idep/menu-formacion-permanente/informacion-para-estudiantes - (Estudio 3798 / 1ª Edición)
Contacto:
- Juan Manuel Díaz Cabrera - Secretario Aula de Transformación Digital FiWare de la UCO - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
- Daniel Gutiérrez Reina - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
- Sergio Toral Marín - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.