CURSO:FUNDAMENTOS DE MACHINE LEARNING Y DEEP LEARNING TRADUCCION:MACHINE LEARNING AND DEEP LEARNING FUNDAMENTALS SIGLA:INF3552 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA CALIFICACION:ESTANDAR PALABRAS CLAVE:APRENDIZAJE DE MAQUINA, INTELIGENCIA ARTIFICIAL, APRENDIZAJE PROFUNDO NIVEL FORMATIVO:MAGISTER I.DESCRIPCIÓN DEL CURSO En el curso los estudiantes se aproximaran a los conceptos y herramientas esenciales para la utilizacion de Machine Learning (ML) en las mas diversas industrias. Analizaran en situaciones y contextos las potencialidades y limitaciones para el desarrollo de metodos capaces de generalizar comportamientos y reconocer patrones a partir de la experiencia, permitiendo que un computador emule la forma en que las personas piensan y aprenden, sin que haya sido explicitamente programado para ello, trabajando con estudios de casos reales de la industria. II.RESULTADOS DE APRENDIZAJE 1.Valorar la utilidad del Aprendizaje Automatico o Machine Learning (ML) y el Aprendizaje Profundo o Deep Learning (DL). 2.Identificar potencialidades y limitaciones de ML y DL para resolver diferentes tipos de problemas en diferentes industrias. 3.Identificar situaciones y contextos en los cuales ML puede resolver problemas de gran valor de negocio. 4.Desarrollar un plan de implementacion de proyectos y/o capacidades de ML en una empresa, analizando y evaluando infraestructura, servicios, y disponibilidad de datos. 5.Proponer un plan estrategico de desarrollo de tecnologia basado en ML, alineado con la estrategia corporativa. III.CONTENIDOS 1.Aprendizaje Automatico Supervisado 1.1.Modelos de ML, capacidades y caracteristicas, asi como ejemplos de aplicacion. 1.2.Metodologia de desarrollo de modelos 1.3.Tratamiento y refinamiento de datos 2.Aprendizaje Profundo Supervisado 2.1.Conceptos esenciales y diferencias con ML mas basico 2.2.Redes Neuronales Convolucionales y Redes Neuronales Recurrentes 2.3.Analisis dimensional, entrenamiento, y tratamiento de grandes datos 3.Aprendizaje Automatico No-Supervisado 3.1.Diferentes modelos como K-Means, HDBSCAN, Restricted Boltzmann Machines, entre otros. 4.Aplicaciones Industriales 4.1.Clasificacion, prediccion, y recomendacion, en contextos industriales y retail. 4.2.Procesamiento de lenguaje natural, en atencion de clientes y ambito legal. 5.El futuro Inmediato en ML y DL 5.1.Hacia el razonamiento artificial IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Laboratorio practico. -Estudio de casos. V.ESTRATEGIAS EVALUATIVAS -Controles: 50% -Examen final: 50% VI.BIBLIOGRAFIA Minima Barlow, M. ?Practical Artificial Intelligence in the Cloud?, O'Reilly Media, 2017. Bishop, C., ?Pattern Recognition and Machine Learning?, Springer, 2010. Foreman, J. W. ?Data Smart: Using Data Science to Transform Information into Insight?, Wiley, 2013. Jan, H., Kamber, M., ?Data Mining: Concepts and Techniques?, Morgan Kaufmann, 2011. Kaldero, N., ?Data Science for Executives: Leveraging Machine Intelligence to Drive Business ROI. Lioncrest Publishing, 2018. Provost, F., Fawcett, T., ?Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking?, O'Reilly Media, 2013. Zheng, A. ?Evaluating Machine Learning Models?, O'Reilly Media, 2015. Complementaria Benson, J., DeMaria Barry T., ?Personal Kanban: Mapping Work | Navigating Life?, CreateSpace, 2011. Beyer, D. ?The Future of Machine Intelligence?, O'Reilly Media, 2016. Johnson, K. ?The Entrepreneur Mind: 100 Essential Beliefs, Characteristics, and Habits of Elite Entrepreneurs?, Johnson Media, 2012. Kureishy, A., Meley, C., Mackenzie, B. ?Achieving Real Business Outcomes from Artificial Intelligence?, O'Reilly Media, 2018. Needham, J. ?Disruptive Possibilities: How Big Data Changes Everything?, O'Reilly Media, 2013. Thiel, P., Masters, B. ?Zero to One: Notes on Start Ups, or How to Build the Future?, Random House, 2014. Warrillow, J. ?Built to Sell: Creating a Business That Can Thrive Without You?, Portfolio, 2012. Weinberg, G., Mares, J. ?Traction: A Startup Guide to Getting Customers?, S-curves Publishing, 2014. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA / JUNIO 2020