¿Querés conocer las novedades sobre nuestros posgrados?
Seguinos en Instagram @lse.posgrados
A continuación se presenta la información detallada de las asignaturas de la Carrera de Especialización en Inteligencia Artificial:
Docente a cargo: Dr. Ing. Facundo Lucianna.
Temario:
1. Teoría de juegos.
2. Búsqueda.
3. Regresión, clasificación y clusterización.
4. Redes Bayesianas.
5. Clasificador Bayesiano.
6. Naive Bayes.
7. Máxima verosimilitud.
8. Esperanza-maximización.
- Ver la página web de la asignatura
Docentes a cargo: Esp. Ing. María Carina Roldán, Esp. Ing. Ariadna Garmendia.
Temario:
1. Análisis estadístico de datos numéricos y categóricos.
2. Técnicas de visualización de datos.
3. Variables aleatorias y teoría de la información.
4. Datos e ingeniería de características.
5. Test estadísticos univariados.
6. Test estadísticos multivariados.
7. Reducción de la dimensión.
Docente a cargo: Esp. Ing. Martin Errazquin.
Temario:
1. Espacios vectoriales.
2. Operaciones matriciales.
3. Autovalores y autovectores.
4. Descomposición en valores singulares.
5. Cálculo multivariable.
6. Gradiente.
7. Optimización convexa y no convexa.
Docentes a cargo: Mg. Ing. Patricio Bos, Mg. Ing. Christian Yanez Flores, Esp. Ing. Celeste Corominas.
Temario:
1. Fases y Procesos del proyecto.
2. Procesos de Iniciación: Requerimientos, Interesados.
3. Procesos Planificación: Requerimientos, Alcance, Gestión del tiempo, Riesgos, Factibilidad técnica y económica, Gestión de costos, Calidad, Recursos humanos.
4. Procesos de Ejecución.
5. Proceso de Control y Seguimiento.
6. Procesos de Cierre.
Docente a cargo: Dr. Camilo Enrique Argoty.
Temario:
1. Espacios de probabilidad.
2. Variables aleatorias.
3. Modelos multivariados.
4. Esperanza condicional.
5. Estimadores puntuales.
6. Estimadores por intervalo.
7. Reglas de decisión.
8. Enfoque Bayesiano.
- Ver la página web de la asignatura
Docentes a cargo: Dr. Ing. Facundo Lucianna, Esp. Lic. María Carina Roldán.
Temario:
1. Datos. Ciclo de vida de un proyecto de ML.
2. Entrenamiento, validación y testeo.
3. Ajuste de hiperparámetros.
4. Métricas.
5. Evaluación.
6. Regresión y clasificación.
7. Aprendizaje supervisado.
8. Aprendizaje no supervisado.
9. Calibración de modelos.
Docentes a cargo: Dr. Marcos Maillot, Esp. Ing. Gerardo Vilcamiza.
Temario:
1. Clasificación binaria.
2. Regresión.
3. Gradiente descendente.
4. Gradiente descendente estocástico.
5. Vectorización.
6. Funciones de activación.
7. Propagación de error.
8. Niveles.
9. Bloques básicos.
Docente a cargo: Esp. Ing. Maxim Dorogov.
Temario:
1. Imágenes.
2. Filtros.
3. Bordes y esquinas.
4. Transformada de Hough y Fourier.
5. Extracción de características.
6. Movimiento.
7. Seguimiento (Kalman y partículas).
8. Clasificación.
9. Detección.
10. Segmentación.
Docente a cargo: Dr. Ing. Facundo Lucianna.
Temario:
1. Conceptos de MLOps. Roles dentro del ciclo de vida del proyecto de aprendizaje automático. Entornos de desarrollo vs. producción.
2. Implementación de modelos. Versionado de modelos. Contenedores.
3. Pipelines de Machine Learning y buenas prácticas de MLOps.
4. Orquestadores y sincronizadores.
5. Despliegue de modelos. Predicción on-line vs Predicción en bache.
6. Modo de flujo de datos a través de base de datos, API REST o transporte en tiempo real.
Docentes a cargo: Ing. Rodrigo Cárdenas, Ing. Nicolás Vattuone, Ing. Mauro Bringas
Temario:
1. Bolsa de palabras.
2. N-grama.
3. TF-IDF.
4. Word2Vec.
5. Vectores de palabras (Glove, FastText).
6. Representación de oraciones.
7. Similaridad entre textos.
8. Seq2Seq.
9. BERT y ElMo.
Docente a cargo: Esp. Ing. Gerardo Vilcamiza.
Temario:
1. Redes neuronales convolucionales.
2. Arquitecturas: ResNets, R-CNN, YOLO y UNet.
3. Redes neuronales recurrentes.
4. Descripción de imágenes.
5. Aplicaciones en la industria.
Las propuestas varían en cada oportunidad.
En el siguiente link se pueden consultar las asignaturas optativas.
Docentes a cargo: Mg. Ing. Christian Yanez Flores, Mg. Ing. Matias Alvarez, Esp. Ing. Celeste Corominas, Ed. María Soledad Gomez, Dra. Ing. Mariela Videla, Esp. Ing. Pedro Rosito, Esp. Ing. Gabriel Gavinowich, Esp. Ing. Lionel Gutiérrez.
Temario:
Durante este curso de carácter obligatorio se elabora la memoria del trabajo final de la carrera y su presentación pública.