Taller de Aprendizaje Automático

Taller de Aprendizaje Automático

¡Bienvenidos al curso!

Descripción

Esta unidad curricular está diseñada como un segundo curso en aprendizaje automático, en el que se busca brindar herramientas conceptuales y metodológicas para desarrollar proyectos de aprendizaje automático. A lo largo del curso, los estudiantes abordarán problemas concretos, que deberán resolver de punta a punta, usando técnicas de aprendizaje automático. De este modo, pondrán en práctica los conocimientos adquiridos sobre datos reales y problemas relevantes, e incorporarán habilidades importantes para el desarrollo de su actividad profesional. Además de aplicar varias de las técnicas tradicionales de aprendizaje automático, la mayoría de las cuales se asumen conocidas por el estudiante, se estudiarán técnicas más recientes, en particular técnicas de aprendizaje profundo. 

Metodología

El curso está organizado en dos clases semanales de dos horas. La mayor parte de las clases serán prácticas, en modalidad de taller. Los estudiantes abordarán problemas específicos utilizando la metodología y las técnicas estudiadas, usando paquetes de software específicos (como Scikit-learn y TensorFlow). También existirán clases teóricas donde se discutirán aspectos conceptuales y metodológicos, así como algunas técnicas de aprendizaje automático.

Evaluación

El proceso de evaluación incluye la realización individual de dos entregas de ejercicios y de dos proyectos grupales. Ver descripción detallada aquí.

Créditos

10 créditos

Carreras y cupos

La asignatura está habilitada para las siguientes carreras:

• Ingeniería eléctrica
• Licenciatura en sistemas de comunicacón
• Licenciatura e ingeniería en computación
• Ingeniería físico-matemática.
  
  

Para las dos últimas, se contempla un cupo de 12 estudiantes en total, que serán seleccionados en base a la escolaridad y a una carta de motivación que deberán subir en la tarea destinada a esto más abajo.

Temario y cronograma

Ver programa (aquí) y cronograma tentativo (aquí).

Docentes

Guillermo Carbajal, Pablo Musé, Javier Preciozzi, Sara Silva.

Recursos

• El curso está basado en el libro: Hands-on Machine Learning with Scikit-learn, Keras & TensorFlow (3ra edición, 2022) de Aurélien Géron. 
• Hay una propuesta de ejercicios para cada una de las clases de taller que estará disponible en la forma de un Notebook de Jupyter.
• El libro tiene una serie de Notebook de Jupyter disponibles en github, algunos de los cuales vamos a usar en clase.