Objetivos del Curso
Al finalizar el Curso, cada estudiante será capaz de:
Seleccionar y evaluar los principales modelos y algoritmos teóricos y prácticos del aprendizaje automático con el fin de realizar diseños para la resolución de problemas de sistemas aeroespaciales.
Contenidos Mínimos
Teoría de probabilidad y estadística. Almacenamiento y estructura de datos. Abstracción. Generalización. Evaluación. Aprendizaje supervisado y no supervisado. Preprocesamiento y generación de características. Regresión y clasificación lineal. Máquinas de soporte Vectorial. Redes Neuronales Feedforward. Redes Neuronales Competitivas. Aplicaciones a la predicción y al control: Modelos de series temporales, Modelos dinámicos de procesos, Esquemas de predicción y control.
Modalidad de Evaluación
Para aprobar y acreditar el curso cada maestrando tiene que aprobar un examen escrito y un trabajo integrador.
- Profesor: Carlos Barrientos
- Profesor: Orlando Micolini
- Profesor: Julian Pucheta