| Institución |  Facultad de Cs. Físicas y Matemáticas |
|
|---|---|---|
| Disponible desde | Otoño 2006 | |
| Cursos Asociados | Otras realizaciones de este Curso | |
| Objetivos | 1. Introducción a la teoría de la información, Modelamiento Bayesiano de Datos y Redes Neuronales. 2. Entregar herramientas básicas para la solución de problemas automatizados. Esto le permitirá al alumno aplicar estas nociones en codificación, modelamiento y minería de datos. |
|
| Descripción | En este curso se presentan principalmente tres tópicos que en su conjunto forman el área conocida como cibernética: inferencia, información y aprendizaje de máquinas. Los tres temas importantes del curso son: Inferencia Bayesiana, Teoría de la Información y Redes Neuronales. El alumno adquirirá nociones básicas en esta área para comprender aplicaciones como compresión y comunicación de datos, inferencia Bayesiana, toma de decisiones óptimas, predicción y clasificación. En particular, en la segunda parte del curso, se profundizará en Redes Neuronales. |
|
| Metodología | El curso contempla dos exposiciones semanales y una clase auxiliar. El libro de referencia para el curso es “Information Theory, Inference, and Learning Algorithms” que está disponible sin costo. El alumno debe complementar la clase con el texto. Se entregarán semanalmente tareas y ejercicios de corta extensión para practicar lo visto en clase, que constituirán el 40% de la nota. El 60% restante de la nota estará dada por dos controles y un examen. |
|
| Evaluación | 40% Nota Ejercicios + 60% Nota Controles | |
| Comentarios | Este curso está basado en el curso “Information Theory, Pattern Recognition and Neural Networks” dictado por el Prof. David J. C. MacKay en la Universidad de Cambridge. |
|
| Programa del Curso | 2006_0_CC50Q.pdf | |
| Compartir |
