Cursos especiales

IX Ciclo de Cursos Especiales

Descripción

Este año el Ciclo de Cursos Especiales se desarrollará durante dos semanas y estará orientado hacia la analítica y el aprendizaje automático.

Esta edición del Ciclo de Cursos Especiales está dirigida a estudiantes, investigadores y usuarios de la analítica en aplicaciones científicas y empresariales.

Los cursos que componen el IX Ciclo de Cursos Especiales son autocontenidos y para cursarlos solo se requieren conocimientos básicos de programación y aprendizaje automático.

Este ciclo de cursos está compuesto por cursos de fundamentación y cursos avanzados

CURSOS DE FUNDAMENTACIÓN – PRIMERA SEMANA (21 al 25 de junio)

(Serán tomados por todos los participantes.)

 

Curso 1. Fundamentos de Machine Learning (6:00 a 7:40 p.m.)

Yesid Rodríguez, M.Sc.

  • Regresión lineal simple y múltiple
  • Regresión Logística
  • Análisis Discriminante
  • Regresión Ridge y Regresión Lasso

 

Curso 2. Python para Machine Learning (7:50 a 9:30 p.m.)

Arles Rodríguez, Ph.D.

  • Machine learning: Definiciones, aplicaciones
  • Estructuras de Datos
  • Numpy
  • Ejemplos prácticos

 

CURSOS AVANZADOS – SEGUNDA SEMANA (28 de junio al 2 de julio)

(Los participantes deberán escoger uno de estos tres cursos.)

 

Curso 1. Machine Learning aplicado a contextos sociales (6:00 a 8:00 p.m.)

Vladimir Vargas, Ph.D. (c)

  • Relación y diferencias entre inteligencia artificial e inteligencia humana.
  • Ciencias sociales en la industria.
  • Modelamiento de sistemas sociales y naturales.
  • La falla de los “métodos cuantitativos” en las ciencias sociales.
  • Caso de estudio: Impacto de las condiciones socioeconómicas sobre el desempeño académico de estudiantes. Técnicas avanzadas del machine learning versus regresión lineal.
  • Machine learning interpretable: más allá de modelos de caja negra.
  • Shapely Additive Explanations, explorando las propiedades de los modelos de machine learning.

 

Curso 2. Deep Learning aplicado al análisis de imágenes (6:00 a 8:00 p.m.)

Víctor Calderón, Ph.D.

  • Introducción a PyTorch
  • Convolución de Imágenes
  • Segmentación de objetos
  • Detección de Objetos
  • Transfer Learning (ResNet, ImageNET)
  • Mini-Proyectos

 

Curso 3. Desplegando modelos de Deep Learning usando APIs de REST (6:00 a 8:00 p.m.)

Andrés Gutiérrez, M.Sc.

  • Introducción al Procesamiento de Lenguaje Natural (PLN)
  • Tareas del PLN: Clasificación de texto, reconocimiento de entidades nombradas
  • Creación de APIs de REST usando FastAPI: Primeros pasos
  • Creación de APIs de  REST usando FastAPI: Contenedores y despliegue de un modelo de Machine Learning
  • Despliegue de la API en servidores Cloud
  • Mini-Proyectos

Profesores:

Víctor Calderón, Ph.D.
Senior Machine Learning Engineer, 5×5 Technologies, Inc, USA.

Andrés Gutiérrez, M.Sc.
Data Scientist, Guane Enterprises, Colombia.

Vladimir Vargas, Ph.D. (c)
Universidad Nacional de Colombia.

Arles Rodríguez, Ph.D.
Fundación Universitaria Konrad Lorenz.

Heivar Yesid Rodríguez Pinzón, M.Sc.
Fundación Universitaria Konrad Lorenz.

Comité Organizador

hagamos
elmundo
Konrad Lorenz

Acreditaciones

Acreditaciones Konrad

Contáctanos

Tel: (+57 1) 347 23 11
Carrera 9 Bis Nº 62-43 Bogotá -Colombia
info@konradlorenz.edu.co

Carácter académico: Institución Universitaria. Personería Jurídica por Resolución 18537 del 4 de noviembre de 1981 del Ministerio de Educación Nacional. Institución
de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional (Art. 2.5.3.2.10.2, Decreto 1075 de 2015). Vigilada Mineducación.