Deep Learning es una de las áreas de la inteligencia artificial que presenta mayor crecimiento en la actualidad debido a la versatilidad que brinda esta técnica al momento de implementar soluciones a problemas complejos. Aplicaciones enfocadas en reconocimiento de imágenes, voz, traducción automática, reconocimiento facial, entre otros, hacen del Deep Learning una herramienta fundamental para las personas interesadas en Inteligencia Artificial. Este curso tiene como objetivo introducir a los participantes en el desarrollo de aplicaciones de redes convolucionales, utilizando herramientas tecnológicas actuales (Python, TensorFlow, Keras y Google Colab) como una opción para proponer soluciones con aprendizaje profundo (deep learning).

DIRIGIDO A

• Estudiantes y docentes universitarios, profesionales, empresarios y emprendedores.

REQUISITOS DE INGRESO

• Manejo básico de Windows; conocimientos en lenguaje C, y Python.

OBJETIVOS ESPECÍFICOS 

• Introducir a los participantes en el desarrollo de aplicaciones de redes convoluciones, utilizando herramientas tecnológicas actuales (Python, TensorFlow, Keras y Google Colab) como una opción para proponer soluciones con aprendizaje profundo (deep learning).
• Comprender conceptos de deep learning, y ponerlos en práctica en una plataforma de código abierto

CONTENIDO

MÓDULO 1. Introducción a IA (2h)

MÓDULO 2. Clasificación en 2 clases con Keras/Tensorflow (3h)

MÓDULO 3. Convolución y su aplicación en el filtrado de imágenes (3h)

MÓDULO 4. Redes convolucionales para la clasificación de imágenes (3h)

MÓDULO 5. Proyectos con imágenes reales (3h)

MÓDULO 6. Aumento de datos (data augmentation) (3h)

MÓDULO 7. Clasificación multiclase (3h)

METODOLOGÍA 

El curso se imparte con un componente de clase magistral con ejemplos y ejercicios, para introducir a los estudiantes en los conceptos de Deep Learning e inteligencia artificial.

Posteriormente mediante el aprendizaje basado en proyectos, los estudiantes con base en lo aprendido deben proponer estrategias para la solución de un problema que será resuelto en tiempo independiente.

Se promueven las siguientes estrategias de aprendizaje:

• Clase Participativa: Con lo cual se pretende dar al estudiante la fundamentación necesaria en cada uno de los temas; Construyendo escenarios simulados por parte del profesor, basados en preguntas, que le permitirán al estudiante la aprehensión del conocimiento y con ello motivar una participación del mismo.
• Uso de hardware y software especializado: Para que el estudiante experimente numéricamente mediante simulación los diferentes temas abordados en la asignatura.
• Discusión, análisis y aplicación de determinados tópicos referentes a la asignatura, mediante el cual los estudiantes pueden formular soluciones, exponer sus ideas en el aula, y posteriormente aplicarlo en sus materias complementarias.

Los trabajos realizados de forma independiente serán revisados por el docente tanto en su contenido como en presentación.

La nota final es cualitativa, sin embargo, para obtener la aprobación se tiene en cuenta los resultados obtenidos en los siguientes criterios de evaluación:

• Talleres en clase – 75%
• Trabajo en tiempo independiente – 25% 

DOCENTES

Diego Ricardo Páez Ardila

• Ingeniero Electrónico, Magister en ingeniería eléctrica con énfasis en ingeniería biomédica de la Universidad Federal de Santa Catarina Florianópolis. Estudiante de doctorado en Ingeniería Eléctrica. Capacitado para diseñar e implementar sistemas de hardware y software que incluyen la aplicación de conocimientos en condicionamiento de señales, filtros analógicos, filtros digitales, conversores AD/DA. Con experiencia en docencia universitaria y el desarrollo de proyectos electrónicos de sistemas embebidos, adquisición de señales fisiológicas (ECG, EMG, PPG),gestión y configuración de sensores.

Antes de avanzar con su inscripción tenga en cuenta lo siguiente:

1. Diligenciar correctamente los datos solicitados en la inscripción. 2. Al iniciar su inscripción seleccione la ciudad de Bucaramanga, el nombre del programa que desea cursar y registre el número de su documento.   3. Autorizar el tratamiento de sus datos personales.  4. Concluido el registro de la inscripción, que no tiene costo, llegará a su correo electrónico las indicaciones para el pago del programa de educación continua al cual se ha inscrito.

 

+ INFORMACIÓN John Leonardo Quiroga john.quiroga@ustabuca.edu.co formacioncontinua.santoto@ustabuca.edu.co (+57) 300 3606495   Cesar Hernando valencia decmeca@ustabuca.edu.co formacioncontinua.santoto@ustabuca.edu.co (+607) 698 5858 Ext.: 6542