Imprimir

Programa

CURSO:APLICACIONES	 
TRADUCCIÓN:APPLICATIONS
SIGLA:INF3821
CRÉDITOS:05 
MÓDULOS:02	
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA,TALLER
CALIFICACIÓN:ESTÁNDAR
DISCIPLINA:INGENIERÍA,COMPUTACIÓN
PALABRAS CLAVE:COMPUTACIÓN,INTELIGENCIA,ARTIFICIAL,CIENCIA,DATOS,APLICACIONES


I.DESCRIPCIÓN DEL CURSO 

En este curso los estudiantes revisarán ejemplos exitosos de aplicación de herramientas de Ciencias de Datos e Inteligencia Artificial mediante casos de estudio, donde un invitado presentará la problemática y como esta fue resuelta usando técnicas y herramientas de Ciencia de Datos e Inteligencia Artificial. El curso considera además trabajo práctico, donde se recrearán condiciones similares a las de los casos presentados.


II.RESULTADOS DE APRENDIZAJE 

1.Identificar casos exitosos de aplicación de las herramientas de Ciencia de Datos e Inteligencia Artificial, tanto en el mundo académico, como en la industria.

2.Distinguir situaciones reales donde las herramientas de Ciencia de Datos e Inteligencia Artificial pueden ser aplicadas para resolver problemas.


III.CONTENIDOS

Se presenta una lista de tópicos centrales que serán cubiertos, sin excluir otros posibles, dependiendo de la disponibilidad de los invitados:

1.Reconocimiento visual usando Deep Learning.

2.Minería de procesos.

3.Data Science en educación.

4.Plataformas para análisis masivo de datos en la industria.

5.Detección de fraudes en transacciones.

6.Recomendación de documentos médicos.

7.Retail (Segmentación de clientes).

8.Data Science en el análisis de fenómenos naturales.


IV.ESTRATEGIAS METODOLÓGICAS 

-Profesionales Invitados.

-Estudio de casos.

-Talleres prácticos. 


V.ESTRATEGIAS EVALUATIVAS

-Controles: 30%

-Actividades prácticas: 70%


VI.BIBLIOGRAFÍA 

Mínima

S. Russell, P. Norvig, Artificial Intelligence. A Modern Approach, Prentice Hall, 3rd edition, 2010.

I. Goodfellow, Y. Bengio, A. Courville. Deep Learning, MIT Press, 2016.

T. Hastie, R. Tibshirani, J. Friedman, The elements of Statistical Learning, Springer, 2nd edition, 2009.


Complementaria

T. White. Hadoop: The Definitive Guide, O’Reilly Media, 4th edition, 2015.

K. Murphy. Machine Learning: A Probabilistic Perspective, MIT Press, 2012.

J. VanderPlas. Python Data Science Handbook: Essential Tools for Working with Data, O’Reilly Media, 2016.


PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
ESCUELA DE INGENIERÍA / ENERO 2020