En un mundo digital saturado de información multimedia, que va desde imágenes y videos hasta señales biológicas y datos de comportamiento, el curso de Reconocimiento de Patrones proporciona las herramientas básicas necesarias para encontrar y analizar patrones que permiten entender, predecir y clasificar datos.

A lo largo del curso, se abordarán los fundamentos y aplicaciones de algunas técnicas de aprendizaje computacional para extraer características de distintos tipos de contenido digital y desarrollar modelos que apoyen decisiones complejas basadas en datos. Este curso prepara a los estudiantes para identificar patrones en datos complejos y proporciona una base sólida para explorar campos emergentes donde la tecnología y la toma de decisiones inteligentes son esenciales.

Lo que se aprenderá:

- Evolución del reconocimiento de patrones y su relación con el aprendizaje automático.

- Técnicas de extracción y selección de características clave para el análisis de datos.

- Métodos de estimación de parámetros.

- Uso de Modelos para analizar secuencias.

- Reducción de dimensionalidad para simplificar datos complejos.

- Aplicación de algunos algoritmos supervisados.

- Evaluación de modelos usando métricas.

PROFESORA: Charlems Álvarez 

El curso aborda los principios fundamentales del Aprendizaje Automático, proporcionando las herramientas necesarias para transformar datos en modelos predictivos y tomar decisiones informadas. A lo largo del curso, se explorarán las principales técnicas de aprendizaje supervisado, no supervisado y por refuerzo, aplicadas a ejemplos prácticos en multimedia y otros contextos.

El curso prepara a los estudiantes para enfrentar desafíos en el análisis de datos y multimedia, aplicando modelos que optimicen resultados en diferentes escenarios. Se comenzará con una aproximación conceptual al aprendizaje automático, avanzando hacia la aplicación práctica de técnicas de aprendizaje computacional.

Se aprenderá a preparar y limpiar datos, gestionar datos faltantes y atípicos, y aplicar técnicas de escalado y normalización. Se trabajará con algoritmos como la Regresión Logística, Máquinas de Soporte Vectorial y métodos de reducción de dimensionalidad. Además, se explorarán las Redes Neuronales, tanto tradicionales como convolucionales, y técnicas avanzadas como Boosting y Modelos de Mezclas Gaussianas (GMM). Finalmente, se introducirá al aprendizaje por refuerzo y sus estrategias de exploración/explotación, evaluando los modelos mediante métodos de validación rigurosos para garantizar un análisis preciso.

PROFESORA: Paula Andrea Dorado 

• Vehículos autónomos

• Reconocimiento facial

• Imágenes médicas

• Seguimiento deportivo en tiempo real

• Agricultura

• Control de calidad

PROFESOR: Jean Pierre Diaz

La visualización analítica de datos es una metodología creciente en el ámbito empresarial y de investigación debido a la necesidad de comunicar rápidamente grandes cantidades de información,resaltando los detalles importantes. Esta se ha utilizado en diferentes áreas de conocimiento tales como, inteligencia de negocios, comunicación de noticias y salud. Sin embargo, el tipo de gráficos utilizado suele ser difícil de interpretar para el usuario final (https://link.springer.com/article/10.1007/s12650-021-00778-8). Algunas de las tendencias más importantes en visualización de datos son: Storytelling, visualización de datos en tiempo real, Video Infographics, realidad virtual y aumentada e inteligencia artificial.

PROFESOR: Ing. Wilson Sarmiento

En ambientes virtuales interactivos, sean estos videojuegos, simuladores o entornos de realidad mixta el diseño sonoro se basa comúnmente en la reproducción y modificación de sonidos previamente grabados.

El audio procedural como parte del audio adaptativo, busca la generación de sonidos de manera no lineal a partir de diferentes técnicas de síntesis y modelado enfocándose en garantizar una mejor inmersión ligada al audio en dichos sistemas, esta no solo se enfoca en el desarrollo musical sino también en la generación de efectos y ambientes, para lo cual se da uso de modelos matemáticos y procesamiento de señales que permiten este fin.  

Esta electiva aborda los conceptos básicos de la síntesis del sonido aplicada a la generación de audio binaural y 3D en tiempo real enfocado a videojuegos y otros ambientes virtuales interactivos.

PROFESOR: Miguel  Ángel Olivares