El rápido crecimiento de la investigación y aplicaciones de la Inteligencia Artificial (IA) ofrece oportunidades sin precedentes. Este curso está destinado a estudiantes que deseen recibir una excelente educación primaria que cubra un amplio espectro de conceptos y aplicaciones de IA impulsada por datos y aprendizaje a partir de ejemplos.
El programa ofrece cursos introductorios en aprendizaje estadístico, aprendizaje profundo y aprendizaje por refuerzo, optimización, procesamiento de señales, teoría de la información y teoría de juegos. Numerosas opciones hacen posible perfeccionarse en teoría del aprendizaje y especializarse en muchos campos como big data, procesamiento de imágenes y lenguaje.
Este segundo año ofrece una elección ampliada de opciones, cubriendo aspectos éticos y otros temas como el inicio de una empresa.
Este curso requiere una buena base en matemáticas e informática:
- Probabilidad y estadística
- Álgebra lineal
- Cálculo diferencial e integral
- Programación científica
- Visualización de datos
Los solicitantes también deben haber completado con éxito el M1 de Inteligencia Artificial (o equivalente): - Conocer los fundamentos de la estadística aplicada y la optimización
- Saber manipular big data
- Saber diferenciar y aplicar técnicas de aprendizaje supervisado, no supervisado y por refuerzo
- Saber programar modelos predictivos con Python y dominar sci-kit-learn
- Saber visualizar datos e ilustrar resultados con herramientas de programación
- Saber redactar una propuesta de proyecto y comunicar resultados por escrito y oralmente.
Habilidades:
Formular matemáticamente algoritmos de descenso de gradiente para redes neuronales profundas, modelos gráficos u otros modelos de aprendizaje estadístico.
Programar modelos de aprendizaje profundo y modelos gráficos utilizando Python y adquirir competencia en Keras, TensorFlow y Pytorch.
Entender los fundamentos del aprendizaje estadístico a nivel teórico, centrándose en el sobre-aprendizaje y la regularización.
Analizar datos de varios tipos (imagen, texto, voz) a partir de la señal en bruto.
Leer, resumir, comentar y reproducir artículos científicos.
Perspectivas profesionales:
Este curso prepara para profesiones de investigación y I+D en nuevos campos de aplicación en pleno auge: visión por computadora (vehículos autónomos y biometría); reconocimiento de voz (necesario para nuevas interfaces humano-máquina para teléfonos inteligentes); filtrado y agregación de contenido heterogéneo y textual (esencial para soluciones comerciales para gestionar flujos de datos significativos); gestión y monitoreo de sistemas industriales complejos o críticos que dependen del análisis de datos.