Slider

Slider
FISI - UNMSM - PERÚ

viernes, 28 de abril de 2017


  • 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
    nombres.excel 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
    nombres.excel Trabajo 02
           3 Entrenamiento de una red neuronal, caso práctico de entrenamiento y reconocimiento de una red neuronal de números Clase 03
    nombres.excel Trabajo 03
    Trabajo Final Aplicación de redes neuronales para la predicción de demografía en diferentes departamentos del Perú Trabajo final
    nombres.excel Trabajo Final
    Examen Final Paper Examen Final Sector Publico Mexico Examen final
    nombres.excel 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”.