• ESPECIFICACIONES GENERALES:

  Nombre del curso	:     Redes Neuronales
  Código del curso	:     2021099
  Duración del curso	:     17 Semanas
  Forma de dictado	:     Teórico - práctico
  Horas semanales	:     4 horas
  Naturaleza	:     Formación profesional
  Número de créditos	:     3
  Prerequisitos	:     2070801 - Inteligencia artificial
  Semestre académico	:     2017 - I

   
• OBJETIVOS GENERALES: Hacer que el estudiante sea capaz de analizar y desarrollar sistemas inteligentes basados en Redes Neuronales Artificiales (RNA), que sea capaz de aplicarse en la resolución del problemas identificado en los sectores de servicios, ciencia y tecnología.
   
• OBJETIVOS ESPECÍFICOS:Que el estudiante sea capaz de:
  

  *	Aprender los conceptos, fundamentos y aplicaciones de la metodología denominada Redes Neuronales Artificiales (RNA).
  *	Representar problemas de diversa índole mediante RNA, enfatizando en cómo usar los datos disponibles, en cómo seleccionar el tipo de arquitectura de la res y el tipo de entrenamiento a usar.
  *	Diseñar, desarrollar y aplicar algunos de los principales modeles de RNA's con Entrenamiento Supervisado, a diversos problema

    
• CONTENIDO ANALÍTICO POR SEMANA:
   
  

  Semana	Tópico	Clase	Trabajos
  1	Presentación del curso. Introducción a las Redes Neuronales: Definición, reseña histórica, características principales, comparación con otras técnicas de la Inteligencia Artificial, aplicaciones.	Clase 01	Trabajo 01
  2	Modelizado de la neurona biológica y de las redes neuronales biológicas. Estructura de los modelos conexionistas. Tipos de arquitectura. Taxonomía de redes neuronales artificiales. Aprendizaje en las redes neuronales: concepto de aprendizaje, tipos de entrenamiento. Aplicación de Redes Neuronales para reconocer la calidad morfológica de mangos exportables.	Clase 02	Trabajo 02
  3	Entrenamiento de una red neuronal, caso práctico de entrenamiento y reconocimiento de una red neuronal de números	Clase 03	Trabajo 03
  Trabajo Final	Aplicación de redes neuronales para la predicción de demografía en diferentes departamentos del Perú	Trabajo final	Trabajo Final
  Examen Final	Paper Examen Final Sector Publico Mexico	Examen final	Examen Final
  Video	Link: https://youtu.be/u8sZq4nIFNs

*Los contenidos de las semanas se irán incrementando gradualmente

METODOLOGÍA
Las clases serán ofrecidas mediante exposiciones orales utilizando diapositivas y proyector multimedia. Se presentarán estudios de casos prácticos en los sectores de la industria y servicios. Los estudiantes organizados en grupos de 3 o 4 alumnos, desarrollarán un trabajo computacional.

EVALUACION
La evaluación del curso contempla dos exámenes, una práctica calificada, una lectura obligatoria y dos trabajos de computación. Se considerará un examen substitutorio sólo en caso de inasistencia a alguno de los exámenes por razones de fuerza mayor.
La nota del curso será obtenida mediante la siguiente expresión:
                    Nota = 0.05*CL + 0.05*PC + 0.15*TC1 + 0.15*TC2 + 0.30*EP + 0.30*EF
Donde:
           CL  : Control de lectura
           PC  : Práctica Calificada
           TCx: Trabajos computacionales
           EP  : Examen parcial:
           EF  : Examen final

Temas Para Trabajo Computacional
Los estudiantes deberán desarrollar una aplicación que implemente alguna de las arquitecturas de     Redes Neuronales presentadas. La aplicación deberá abordar algún problema de la educación, industria o servicios.

BIBLIOGRAFÍA1. Redes Neuronales y Sistemas Difusos; B. Martín del Brío, A. Sanz Molina, Alfaomega 2002
2. Programming Neural Networks with Encog3 in Java, 2nd edition; Jeff Heaton, Ed. Heaton Research Incorporated, 2011.
3. Redes Neuronales Artificiales. Fundamentos y Modelos; J. Hilera/ V. Martínez, Alfaomega 2000.
4. Redes Neuronales: Algoritmos, aplicaciones y técnicas de programación; J. Freeman, D. Skapura Addisson - Wesley Iberoamericana 1993.
5. http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/ ; Enlaces para archivos PDF del  “Neural Networks User’s Guide”.