International Center for Advanced Studies

Horarios y aula

Martes de 14 a 18 horas
Jueves de 14 a 16 horas
Laboratorio de "Sociales"

Inscripción

Repositorio en GitHub

Diapositivas
y notebooks

Videos

Machine learning workflow
Flujo de trabajo típico de una aplicación de Aprendizaje Automático (A. Géron)

Vivimos en un mundo donde cada día se generan miles de millones de gigabytes de datos sobre todos los aspectos de nuestras vidas y que resultan en un gran activo en nuestra búsqueda de soluciones para los grandes desafíos de la ciencia, la ingeniería, la medicina y los negocios. En los últimos años han surgido nuevas tecnologías que permiten la generación de conocimientos basados en el análisis de gran cantidad de datos. Las nuevas tecnologías aplicadas a los datos que se generan en las ciencias básicas, desde la física y la astronomía hasta la neurociencia, la sociología y la biología, han tenido un impacto notable en la economía y en el mercado, como lo muestra la revolución producida en las ventas on-line y en los negocios digitales.

El conjunto de nuevas tecnologías reconoce diferentes nombres que incluyen los de Aprendizaje Automático (o Machine Learning), Ciencia de Datos, Deep Learning, Data Visualization, y otros. Todos son agrupados bajo el común denominador de la llamada Inteligencia Artificial (IA), cuyos conceptos y herramientas juegan, y jugarán, un papel fundamental en el desarrollo de la ciencia en los próximos años. La IA actúa como el elemento aglutinador que potencia el descubrimiento científico colaborativo y que atraviesa todas las actividades científicas modernas. Se ocupa de extraer valor de los datos y traducirlos a activos de conocimiento, además de desarrollar las herramientas y los métodos para obtener, administrar y analizar estos datos. El particular carácter transversal de la IA excede largamente al ámbito científico y académico y permite atacar una amplia variedad de problemas que podrían mejorar la sociedad y guiar nuevas políticas públicas utilizando herramientas comunes.

La Introducción al Aprendizaje Automático busca proveer a estudiantes de distintas carreras de la Universidad de nociones teóricas básicas y una amplia base de experiencias prácticas que les permitan utilizar técnicas de IA en sus respectivas disciplinas.

La materia se compone de cuatro bloques temáticos:

  1. Introducción a la ciencia de datos
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado
  4. Aplicaciones de Inteligencia Artificial

Docentes:
Profesores: Rodrigo Díaz, Ezequiel Álvarez.
JTPs: Manuel Szewc, Ignacio Fabre

Cursada: Inicio el 10 de marzo. Martes: teórico / práctico; jueves: consultas.

Requisitos: IAM y conocimientos básicos de programación.