Prueba

Objetivo General del Curso

Al finalizar el curso, el estudiante debe ser capaz de comprender, describir, analizar, diseñar, planificar, utilizar y aplicar los conceptos de aprendizaje supervisado, no supervisado, aprendizaje por refuerzo y aprendizaje profundo en la solución de problemas con pequeños y grandes volúmenes de datos en diferentes campos del saber. Todo ello para promover una formación integral y el desarrollo de habilidades críticas, comunicativas, colaborativas e innovadoras.

Objetivos Específicos

Al final del curso, el estudiante estará en capacidad de:

• Explicar y analizar los fundamentos teóricos de los diferentes modelos asociados a las técnicas de aprendizaje (supervisado, no supervisado, aprendizaje por refuerzo, aprendizaje profundo).
• Diseñar modelos básicos (desde cero) para técnicas de aprendizaje e implementar modelos complejos con librerías existentes (TensorFlow, Scikit-learn, Keras, PyTorch, etc.) para resolver problemas con datos de diversas áreas como biología, química, ciencias sociales, física, economía, etc.
• Diferenciar entre modelos de clasificación y predicción.
• Emplear técnicas de minimización para optimizar modelos.
• Identificar el sesgo y la varianza en los datos, y analizar cómo afectan y cómo se puede mejorar un modelo.
• Realizar exploración de datos para identificar patrones y plantear hipótesis que puedan ser rechazadas o aceptadas.
• Evaluar las métricas de los modelos y el impacto del procesamiento de los datos.
• Crear y presentar visualizaciones de los datos: preprocesamiento y resultados de un modelo.
• Construir pipelines de preprocesamiento de datos y entrenamiento de modelos con Python y Airflow para automatizar un modelo.
• Utilizar herramientas tecnológicas de colaboración en línea (GitHub, Slack, etc.) para apoyar el trabajo en equipo.
• Buscar literatura y medios audiovisuales especializados usando herramientas contemporáneas.
• Aplicar ingeniería de prompts en modelos generativos.
• Entender las operaciones MapReduce en el trabajo con grandes volúmenes de datos.
• Implementar modelos básicos en grandes volúmenes de datos.

Unidades y Contenido por Unidad

1. Introducción a la Ciencia de Datos

• Presentación del curso
• Repaso de pandas
• Transformación de datos con pandas
• Ejemplo de extracción y carga de datos
• Operaciones Map, Filter, Reduce
• Diseño de prompts
  • Chat GPT, Bing

2. Modelos de Caja Negra

• Modelos de clasificación y predicción derivados de los datos
• Concepto de estimador y características
• Varianza, Bias, curvas de aprendizaje
• Diseño de prompts
  • Chat GPT, Bing

3. Deducciones e Implementación de Modelos

• Gradiente descendente y algoritmos de minimización
• Regresión lineal y multivariada
• Técnicas de regularización, Sesgo Varianza
• Regresión Logística
• Métricas para evaluar modelos
• Redes Neuronales: Perceptrón desde cero
• Introducción a Keras
• Máquinas de soporte vectorial
• Árboles de decisión
• Random Forest
• Métodos de Boosting
• Métodos de clustering
• Procesos gaussianos y modelos probabilísticos

4. Elementos Básicos de MLOps

• Introducción a la construcción de pipelines
• Despliegue y construcción de API

5. Introducción a las Redes Neuronales

• Arquitecturas básicas de redes neuronales
• Concepto de Batch, mini Batch, gradiente descendente estocástico, etc.
• Redes Neuronales Artificiales con Keras y TensorFlow
• Análisis de Componentes Principales (PCA)
• Análisis de Discriminante Lineal (LDA)
• Physics Informed

6. Introducción a los Modelos Generativos, Ética y Funcionamiento

• Tokenización, Embedding, Modelos Generativos: Transformer
• Ética de los Modelos Generativos

Metodología:

El curso se desarrollará de manera teórico-práctica. En la primera sesión de cada semana, de dos horas, el profesor expondrá los conceptos matemáticos y algorítmicos utilizando herramientas tecnológicas, fomentando la participación activa del estudiante mediante actividades y/o laboratorios.

La segunda sesión semanal, también de dos horas, será un laboratorio enfocado en afianzar los conceptos vistos en clase y resolver problemas de diversa índole: ideales, prácticos y multidisciplinarios. Se promoverá tanto el trabajo individual como el colaborativo. Herramientas como modelos generativos y GitHub serán clave para mejorar la productividad en clase. Finalmente, el estudiante desarrollará un proyecto colaborativo que abordará un problema real, ya sea industrial, académico o de investigación.

Medios y recursos didácticos:

• Laboratorios en Jupyter
• Simulaciones
• Internet
• Github

Formas de interacción y acompañamiento del trabajo independiente:

Para el desarrollo de las sesiones y laboratorios, será indispensable el uso de una sala de computadores. Durante los laboratorios, el docente guiará a los estudiantes en discusiones que fomenten el pensamiento crítico y la comprensión profunda de los conceptos, formulando preguntas que promuevan la reflexión.

Tipos de problemas y datasets trabajados en clase:

• Datasets de imágenes espectrales
• Datasets de series temporales de clima
• Datasets de series de tiempo experimentales en física de partículas
• Datasets de estructuras atómicas
• Datasets para clasificar imágenes en astronomía
• Datasets de biología: secuencias genómicas
• Datasets de imágenes médicas
• Datasets de experimentos físicos para aplicar Physics Informed

Evaluación.

La evaluación está diseñada para fomentar en el estudiante el cuestionamiento continuo y retroalimentación rápida. El objetivo de las actividades de clase es poner en práctica lo comunicado por el profesor y los elementos básicos de la teoría, adicionalmente preguntas asociadas a las actividades también serán diseñadas para propiciar la investigación en el aula de clase. Por otro lado, el laboratorio busca la práctica de lo estudiado y comprendido en clase con material autocontenido para generar retroalimentación automática.

Momentos de evaluación