|
REDES NEURONALES
Segundo semestre de 2018
Facultad de Matemática, Astronomía,
Física y Computación
Universidad Nacional de Córdoba
PROFESOR
Dr. Francisco Tamarit
tamarit.fa@gmail.com
PRÁCTICOS
PIZARRONES
DÍAS DE CLASE
DÍAS DE CLASE
- 1. Jueves 6 de septiembre. Aula 17
- 2. Viernes 7 de septiembre. Aula Magna
- 3. Viernes 21 de septiembre. Aula Magna
- 4. Jueves 27 de septiembre. Aula 17
- 5. Viernes 28 de septiembre. Aula 17
- 6. Jueves 4 de octubre. Aula 17
- 7. Viernes 5 de octubre.
- 8. Jueves 11 de octubre.
- 9. Viernes 12 de octubre.
- 10. Jueves 18 de octubre.
- 11. Viernes 19 de octubre.
- 12. Jueves 25 de octubre.
- 13. Viernes 26 de octubre.
- 14. Juyeves 1 de noviembre.
- 15. Viernes 2 de noviembre.
SEMINARIOS
- Viernes 12 de Octubre de 17 a 18 hs.
Aula 13 de FAMAF
Dr. Omar Osenda
"La teoría cuántica de la consciencia de
Hameroff y Penrose"
- Jueves 18 de Octubre de 17 a 18 hs.
Aula 17
Dr. Damián Barsotti
"Una introducción a la ciencia de datos
- Viernes 19 de Octubre de 17 a 18 hs.
Aula 12 de FAMAF
Lic. Andrés Ilcic
"Historia y epistemología de los sistemas complejos y
los modelos neuronales"
- Jueves 25 de Octubre de 17 a 18 hs.
Aula 17 de FAMAF
Dr. Orlando Billoni
Redes complejas: conceptos y aplicaciones
- Viernes 26 de Octubre de 17 a 18 hs.
Aula 12 de FAMAF
Dra. Georgina Flesia
Técnicas de reducción de dimensionalidad
- Jueves 1 de noviembre
Aula 17 de FAMAF
Dr. Martín Domínguez
Predicciones de preferencia y tendenicas en Twitter
DÍAS Y HORAS
Jueves y viernes de 17.00 hs a 21.00 hs.
LUGAR
Jueves en el Aula 17 de FAMAF
Viernes en el Aula Magna de FAMAF
INICIO Y FINAL
Jueves 6 de septiembre a las 17.00 hs. Las clases irán hasta
finales de noviembre.
CARACTERÍSTICAS
Este es un curso avanzado orientado a estudiantes de posgrado
o estudiantes de grado avanzandos de carreras afines a
la neurociencia teórica y computacional.
Se asumirá conocimientos intermedios de análisis
matemático de una y varias variables, álgebra lineal,
estadística y programación (en cualquier lenguague que
permita integrar ecuaciones diferenciales ordinarias y simular redes
dinámicas).
El curso está destinado principalmente a estudiantes de grado
avanzados o egresados de las licenciaturas en ciencias de la
computación, matemática, astronomía,
física, ciencias químicas y economías,
como así también de todas las ingenierías.
No obstante, quienes viniendo de otras profesiones, sean
formales o no, entiendan que están en condiciones de cursar
la materia, serán bienvenidos.
El curso tiene dos partes, como se puede ver en el
programa de la materia.
La primera parte está orientada a brindar herramientas
matemáticas (propias del área de la matemática
llamada sistemas dinámicos)
que permitirán modelar sistemas biológicos en general,
pudiendo hacer predicciones temporales muy valiosas para las
ciencias naturales. En particular se utilizarán estos
conocimientos para modelar el comportamiento de neuronas
individuales primero, y luego de conjuntos de neuronas artificiales
(redes neuorales).
La segunda parte está destinada a presentar los resultados
matemáticos que fundamentan el uso de redes neuronales
(conjunto de neuronas artificiales conectadas) como herramientas
muy exitosas del aprendizaje automático.
En este sentido es importante aclarar que no es un curso de
aprendizaje Automático si bien está previsto
presentar un pequeño resumen, a los fines de
poder valorar la potencia de las redes neuronales. Solo
se abordará el aprendizaje automático desde la
perspectiva de las redes neuronales.
El curso no pretende dar las herramientas prácticas
disponibles en línea (esto es fácil de aprender
leyendo los manuales), sino enteder los fundamentos teóricos
conceptuales de las redes neuronales, brindando conocimiento sobre
la teoría que da sustento a esta rama del aprendizaje
automático y enseñando a progrmar redes neuronales.
PROGRAMA
Ver versión PDF del programa
BIBLIOGRAFÍA BÁSICA
- Los apuntes de clase que tomarán los estudiantes.
- Strogatz S.H., "Nonlinear dynamics and chaos"
Addison-Wesley Publishing Company (1994).
- Dayan P. and L. Abbott, "Theoretical neuroscience:
computational and mathematical modeling of neural systems",
MIT Press (2001).
- T.M. Mitchell, "Machine Learning"
McGraw-Hill (1997).
- J. Hertz, A. Krogh and R.G Palmer, "Introduction to the
theory of neural computation", Santa Fe Institute (1991).
BIBLIOGRAFÍA COMPLEMENTARIA
- Izhikevich E.M., "Dynamical systems in neuroscience:
the geometry of excitability and bursting",
MIT Press (2006).
- Rieke F., Warland D., de Tuyter van Steveninck R. and Bialek W.,
"Spikes: exploring the neural code",
MIT Press (1999).
- MacKay D.J.C., "Information theory, inference and
learning algorithms", Cambridge University Press, (2003).
- Hstie T., Tibshirani R. and Fiedman J, "The elements of
statistical learning, data mining, inference and prediction",
Springer Verlag (2001).
INSCRIPSIÓN
Si sos alumno/a de grado
- Si sos alumno de grado de la Licenciatura en Cs. de la
Computación de FAMAF, tenés
que inscribirte por GUARANÍ hasta el viernes 17 de agosto.
- Si sos estudiante de grado de la Lic. en Física de FAMAF,
deberás inscribirte personalmente en la Especialidad en despacho
de alumnos de 9.00 hs a 14.00 hs o de 16.00 hs a 18.00 hs, o
solicitarlo por medio de un mensaje electrónico a la cuenta
ingresos@famaf.unc.edu.ar
ingreso@famaf.unc.edu.ar hasta el viernes 17 de agosto
(el próximo viernes).
- Si tenés más de 30% de una carrera de grado de FAMAF
o de otra carrera de grado de la UNC o de otra Universidad,
podés inscribirte como alumno vocacional personalmente
en despacho de alumnos de FAMAF de 9.00 hs a 14.00 hs o
de 16.00 hs a 18.00 hs, o solicitarlo por medio de un
mensaje electrónico a la cuenta
ingresos@famaf.unc.edu.ar
hasta el viernes 17 de agosto (el próximo viernes).
Si llegás tarde, consultá si podés
inscribirte fuera de término.
- Si sos estudiante de grado de FAMAF y has rendido
todas las materias de la carrera hasta cuarto año incluido,
podés anotarte como ALUMNO AVANZADO en la Secretaría de
Posgrado de FAMAF o consultar a
codepo@famaf.unc.edu.ar.
- Si sos alumno de grado y no completaste cuarto año pero
te falta muy poco para completarlo, podés pedir una
excepción por nota dirigida al Sr. Secretario de Posgrado
de FAMAF, Dr. Daniel Fridlender y entregarla en la oficina de la
Secretaría de Posgrado de FAMAF. Solo te pido que me avises.
- Si sos alumno de grado no avanzado, de cualquier carrera de
cualquier facultad de cualquier universidad, podés tomar
el curso y si lo aprobás te haremos un certificado de
aprobación.
Si sos alumno/a de posgrado
- Si sos estudiante del Doctorado en Neurociencias,
debés inscribirte en la Secretaría de Posgrado de la
Facultad de Ciencias Químicas (de 14.00 hs a 16.00 hs)
o por mail a
cursos@dnc.unc.edu.ar.
- Si sos estudiante del Doctorado en Ciencias de
la Computación o del Doctorado en Física, debés inscribirte
en la Secretaría de Posgrado de FAMAF de 10.00 hs a 14.00 hs
o consultar en
codepo@famaf.unc.edu.ar.
- Si sos alumno de posgrado de cualquier otra carrera de posgrado
de la UNC o de otra universidad, podrás anotarte también
en la Oficina de Posgrado de FAMAF
codepo@famaf.unc.edu.ar
o en el Doctorado en
Neurociencias
cursos@dnc.unc.edu.ar
(Facultad de Cs. Químicas de la UNC).
Si no
- Si no cumplís ninguna de estas condiciones y querés
asistir al curso, no hay problema. Solo te pido que me avises.
CHARLAS
Durante el curso se invitará a docentes de la UNC para
que dicten charlas de una hora a los fines de compartir
conocimientos y experiencias. Se definirán a fin de agosto.
MODALIDAD DE EVALUACIÓN
Se darán dos prácticos numéricos, se
tomará un parcial integrador y se deberá
presentar un Informe Final de la Práctica de la Materia,
teórico y práctico. Todos ellos se clasificarán
entre 0 y 10 puntos.
Para regularizar la materia los alumnos de grado deberán:
Las y los estudiantes deberán:
1. cumplir con un mínimo de 70% de asistencia a clases.
2. Aprobar la evauación parcial con nota no menor a
cuatro (4)
3. Aprobar los dos prácticos numéricos con nota no
menor a cuatro (4) cada uno.
Para promocionar el curso los alumnos de grado deberán
Las y los estudiantes deberán:
1. cumplir con un mínimo de 80% de asistencia a clases.
2. Aprobar la evauación parcial con nota no menor a
siete (7)
3. Aprobar los dos prácticos numéricos con nota no
menor a seis (6) y promedio entre ellos no menor a siete (7).
4. Aprobar el Informe Final de la Práctica de la Materia,
el cual será individual.
Aprobación para alumnos de posgrado
1. Los y las estudiantes de posgrado deberán rendir examen
final.
Todas las instancias de evaluación será
individuales
CONSULTAS
- Para consultarme a mi, escribime a
tamarit.fa@gmail.com
o buscame en la Oficina 215 de FAMAF.
- Para consultar en la sede administrativa del Doctorado
en Neurociencias, escribí a
cursos@dnc.unc.edu.ar.
- Para consultar en la sede de la Oficina de Posgrado de FAMAF,
dirigite por mail a la dirección
de correo electrónico
codepo@famaf.unc.edu.ar.
|
