Módulo 5. Algoritmos y aplicaciones de aprendizaje por refuerzo
5.1 Introducción a programación dinámica
5.2 Algoritmo de iteración de valor
5.3 Algoritmo Q-learning
5.4 Aprendizaje por refuerzo profundo
5.5 Presente y futuro del aprendizaje automático y la inteligencia artificial
- Profesor: Víctor Uc Cetina
Módulo 4. Algoritmos de aprendizaje profundo para procesamiento de lenguaje natural
4.1 Red neuronal recurrente
4.2 Red neuronal transformer
4.3 Modelos de lenguaje grandes
4.4 Mejoramiento de modelos de lenguaje grandes usando RAG
- Profesor: Víctor Uc Cetina
Módulo 3. Algoritmos de aprendizaje profundo para visión computacional
3.1 Introducción a las redes neuronales profundas
3.2 Red neuronal convolucional
3.3 Transferencia de aprendizaje
3.4 Redes neuronales adversarias generativas
- Profesor: Suemi Andrea Castillo González
- Profesor: Gestor Tecnológico 6
- Profesor: Víctor Uc Cetina
Módulo 2. Algoritmos y aplicaciones de aprendizaje no supervisado
2.1 Algoritmo de K-medias
2.2 Mezcla de modelos Gaussianos (GMM)
2.3 Mapas auto-organizados y topográficos (SOM y GTM)
2.4 Reducción de la Dimensionalidad
2.5 Análisis de Componentes Principales (PCA)
2.6 Algoritmo t-SNE
- Profesor: Arturo Espinosa Romero
Módulo 1. Algoritmos y aplicaciones de aprendizaje supervisado
1.1 Clasificación
- K-vecinos más cercanos.
- Árboles de decisión.
- Bosque aleatorio.
- Refuerzo de gradientes extremo (XGBoost).
- Naïve Bayes.
- Máquinas de soporte vectorial.
- Redes neuronales multicapa.
1.2 Regresión
- Regresión lineal.
- Regresión logística. Redes neuronales multicapa.
- Profesor: Carlos Francisco Brito Loeza