Utilizar herramientas y métodos de Inteligencia Artificial en Gráficas por Computadora. En este curso se aplica el Deep Learning a 3 áreas de las Gráficas por Computadora (GC): Modelado, Animación, Renderización. En GC, Los datos que se manejan son 3D, los cuales combinan geometría, dinámica y apariencia. Se aplican las redes neuronales (NN) en tareas de inferencias y de generación. Aprenderemos a escoger la representación 3D adecuada de los objetos para aplicar las NN mediante alguna formulación matemática del problema en cuestión. Se verá la manera de crear animaciones con IA generativa atendiendo a las propiedades de la dinámica de los objetos en el escenario. La apariencia de un escenario gráfico requiere de color, sombra, luminosidad, que en conjunto forman la renderización del objeto.
- Profesor: Francisco Alejandro Madera Ramírez
Competencia de la Asignatura:
Aplica los métodos supervisados del Aprendizaje Automático en situaciones relacionadas con la clasificación y regresión, de acuerdo a las métricas de desempeño adecuadas.
- Profesor: José Luis Batún Cutz
El curso "Aplicaciones con Arduino y Raspberry Pi", tiene como objetivo que los estudiantes utilicen las tarjetas Raspberry Pi y la plataforma Arduino para complementar sus conocimientos teóricos en Ingeniería en Computación, a través de un enfoque práctico. En este curso, también se emplearán otros sistemas digitales que faciliten la actualización y selección de componentes electrónicos, con especial énfasis en la optimización del consumo de energía. Además, se abordarán las distintas etapas del diseño, optimización y creación de sistemas y dispositivos tanto de hardware como de software.
- Profesor: Fernando Ruiz Cardeña
La asignatura Introducción a la Fusión de Datos en el Contexto del Reconocimiento de la Actividad Humana es importante para la formación del Licenciado en Ingeniería de Software porque le permitirá introducirse al área del aprendizaje máquina enfocada al reconocimiento de patrones de actividad humana, tomando ventaja de las técnicas de fusión de múltiples sensores.
Esta asignatura aporta las bases teóricas, los métodos, las técnicas y herramientas utilizadas para la fusión de datos de diversos sensores en el contexto del reconocimiento de la actividad humana, mediante algoritmos de aprendizaje máquina.
- Profesor: Antonio Armando Aguileta Güemez