Va clase inicial para platicar la estructura y dinámica tendrá lugar el Lunes 14 de febrero en la siguiente liga de zoom
https://cuaieed-unam.zoom.us/my/sergiohzlz
La liga también se proveerá esa semana en esta página, en la facultad y en el grupo de telegram. https://t.me/+x45CDK6jYm5jNDEz
Para dudas escribir a sergiohzlz@ciencias.unam.mx o en telegram a @sergiohzlz (https://t.me/sergiohzlz)
Grupo 7111, 60 lugares.
Profesor Sergio Hernández López lu mi 18:30 a 20
Ayudante José Alejandro Rojas López ma ju 20 a 21
Ayud. Lab. Julio Monroy mi 16 a 18
Las redes neuronales artificiales son un modelo de cómputo muy popular hoy en día. Como disciplina de estudio las podemos encontrar como un subcampo de la inteligencia artificial. Algoritmos de cómputo basados originalmente en la estructura del cerebro y actualmente se usan para una gran diversidad de cosas como pueden ser el reconocimiento de imágenes, procesamiento del lenguaje natural y hasta para la investigación de matemáticas y física.
El desarrollo de las redes neuronales como herramientas de cómputo empezó alrededor de 1940 con el trabajo de McCulloch y Pitts y han tenido un camino largo que ha pasado por una etapa de estancamiento pero han recobrado un interés muy extenso por su gran capacidad como herramientas de cómputo para generalizar conceptos.
Dentro de las usos comunes de las redes neuronales se encuentran la clasificación estadística, la detección de anomalías y la aproximación general de funciones. Dentro de los diferentes tipos que existen de redes neuronales están las de señalización por capas y las recurrentes, dentro de las que podemos encontrar al perceptrón multicapa o las convolucionales en las primeras y las redes de Hopfield, AutoEncoders.
En este curso se verán fundamentos teóricos y prácticos para comprender y usar diferentes redes neuronales así como una perspectiva del estado actual que guarda este campo.
Si estás interesado mandar un mensaje a Sergio Hernández a sergiohzlz@ciencias.unam.mx
o en Telegram al usuario: @sergiohzlz.
Temario
Perceptrón
Regresión Logística
Descenso del gradiente
Perceptrón multicapa
Funciones de error
Aproximación general de funciones
Redes autorganizadas
Redes estocásticas
Redes recurrentes