Día 22: aula B.1, edificio Pérez Quintero
Jueves, 21 de noviembre de 2024
Viernes, 22 de noviembre de 2024
Contenidos
Fecha límite para renunciar al curso: 18/11/2024
1. Introducción a redes neuronales artificiales y deep learning.
2. Redes convolucionales.
3. Redes adversarias.
4. Redes recurrentes.
Tarea solicitada
Instrumentos:
Se deberán entregar 1 trabajo realizado individualmente que requerirá programación en el lenguaje Python de algún modelo
de red neuronal. Los programas deberán ser comentados a modo de explicación de los trabajos solicitados. El trabajo aportará el 80% de la nota y el 20% restante se obtendrá mediante la participación (no obligatoria) en el foro de experiencias durante el curso.
Criterios:
- Buen funcionamiento de los programas solicitados.
- Eficiencia de los programas.
- Correcto diseño de los programas y de las funciones creadas.
Es necesario tener en cuenta los criterios de asistencia como parte de la evaluación del curso además de los propios que establezca el/la ponente:
Según el Plan de Formación aprobado por la Comisión de Formación e Innovación en su punto 5 (5.1) se establece con respecto a la asistencia que:
a. Cursos presenciales. En esta modalidad, las personas inscritas deberán asistir obligatoriamente a un mínimo del 85% del total de las horas lectivas en cursos de 20 o menos horas, y un 75% en cursos de más de 20 horas y superar las pruebas o actividades de evaluación (tareas) que se establezcan. El incumplimiento de este requisito implicará una evaluación
negativa.
b. Cursos semipresenciales/online. En esta modalidad, se tendrán en cuenta los criterios establecidos por el formador/a para la superación de la actividad formativa (asistencia a sesiones presenciales/asíncronas, actividades, tarea, etc.)
Ponentes
- Nombre ponente/s
- D. Juan Moreno García
- Institución ponente/s
- Universidad de Castilla-La Mancha
- Breve CV ponente/s
Catedrático de Universidad en la Escuela de Ingeniería Industrial y Aeroespacial de Toledo de la Universidad de Castilla-La Mancha.
Pertenece al Área de Arquitectura y Tecnologías del Departamento de Tecnologías y Sistemas de Información de dicha Universidad.
Investiga sobre modelado y extracción de conocimiento en series temporales aplicando técnicas de soft computing como lógica difusa, técnicas basadas en enjambres, etc. Además, también ha utilizado modelado matemático de las mismas.
Tiene más de 80 publicaciones nacionales e internacionales en revistas de impacto y congresos internacionales. Toda su carrera investigadora ha investigado temas relacionados con Inteligencia Artificial.
Observaciones
Es necesario conocer algún lenguaje de programación. Los contenidos del curso se adaptarán al perfil de los participantes.