BITÁCORA, PIZARRONES y VIDEOS
Clase 1: Jueves 3 de septiembre
Parte 1. Generalidades sobre el curso y detalles para la
aprobación. Conceptos de inteligencia artificial, aprendizaje
de máquina. Para qué se usa. Ejemplos y aplicaciones.
Diferentes paradigmas del aprendizaje automático. Las
peculiaridades del aprendizaje neuronal. Clasificación y
regresión. Aprendizaje supervisado, no supervisado y con
refuerzo. El concepto de altoritmo. El concepto de autómata.
Breve descripción del cerebro. Las células nerviosas.
Las neuronas. El paradigma conexionista. Transmisión de
señales entre neuronas. Los mecanismos de la transmisión.
Espigas y trenes de onda.
Parte 2. Sistemas dinámicos. Definiciones básicas.
Sistemas continuos y sistemas discretos. Ecuaciones diferenciales
ordinarias. Sistemas autónomos. Sistemas de ecuaciones
diferenciales ordinarias (SEDO). Ecuaciones diferenciales de orden
mayor a uno. Su reducción a sistemas autónomos.
Aclaraciones sobre la notación. El concepto de dimensión.
El concepto de no linealidad. Ecuaciones diferenciales a derivadas
parciales vs. ecuaciones diferenciales ordinarias. Un poco de
historia.
Parte 3. Sistemas dinámicos unidimensionales. Flujo
en la línea. Un ejemplo simple: razón de cambio
sinusoidal. El espacio de fases. Flujo en la lĂnea. Abordaje
geométrico. El concepto de punto fijo. Puntos fijos
estables y puntos fijos inestables. Análisis cuantitativo
de las trayectorias. El concepto de atractor.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 3 (pdf)
Video 3 (mp4)
Clase 2: Viernes 4 de septiembre
Parte 1. Análisis de estabilidad. Abordaje
geométrico. Análisis lineal. Cuenca de atracción.
Tiempo característicos. Puntos fijos semi-estables.
Teorema de existencia y unicidad (enunciado y discusión sin
demostración. Imposibilidad de cruce de trayectorias.
Imposibilidad de soluciones oscilatorias. La ecuación
logística para la evolución de una población.
Parte 2. Funciones potenciales. Soluciones numéricas:
el método de Euler, el método de Euler mejorado y el
método de Runge-Kutta de cuarto orden.
Parte 3. Bifurcaciones en una dimensión. Las
bifurcaciones saddle-node. La noción de forma normal.
Diagrama de fases. Ejemplo. La bifurcación transcrítica.
Diagrama de fases. Ejemplo.
Parte 4. Los aportes de la física estadística
a las neurociencias. El cerebro como sistema complejo. Puentes
epistémicos entre niveles descriptivos y consecuencias
predictivas.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 3 (pdf)
Video 3 (mp4)
Video 4 (mp4)
Clase 3: Jueves 10 de septiembre
Parte 1. Bifurcación Pitchfork. Supercríticas y
subcríticas. El caso bidimensional.
Parte 2. El caso bidimensional lineal. Linealización
del caso general.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Video completo de la clase 3 YouTube (mp4)
Clase 4: Viernes 11 de septiembre
Parte 1. Bifurcaciones.
Parte 2. Sistemas dinámicos bidimensionales.
Parte 3. La neurona de McCulloch-Pitts.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 3 (pdf)
Video 3 (mp4)
Video completo de la clase 4 en YouTube (mp4)
Clase 5: Jueves 17 de septiembre
Parte 1. Un ejemplo simple de ecología.
Bifuraciones en 2D.
Parte 2. El caso de sistemas conservativos.
Parte 3. Inteligencia artificial: el perceptron simple parte 1.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 3 (pdf)
Video 3 (mp4)
Video completo de la clase 5 en YouTube (mp4)
Clase 6: Viernes 18 de septiembre.
Seminario invitado: "Todo lo que queríamos saber
sobre las neuronas y nunca nos animamos a preguntar"
[conferencia]
Parte 2. El perceptron simple como clasificador.
Pizarrón 1 (pdf)
Video 1 (mp4)
Video completo de la clase 6 en YouTube (mp4)
Clase 7: Jueves 17 de septiembre.
Seminario invitado: "¿Cómo funciona el lenguaje?",
Cecilia Defagó
[conferencia]
[preguntas]
Parte 1. Sistemas dinámicos en 3D y caos.
Pizarrón 1 (pdf)
Video 1 (mp4)
Video completo de la clase 7 en YouTube (mp4)
Clase 8: Viernes 18 de septiembre.
Clase invitada: Explicación de Nahuel de Almeira sobre el uso de de Google Colab para Python.
[clase]
Parte 1. Redes neuronales: el perceptron simple como clasificador. Regla de aprendizaje.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Video completo de la clase 8 en YouTube (mp4)
Clase 9: Jueves 1 de octubre.
Parte 1. El modelo neuronal INTEGRATE-AND-FIRE.
Parte 2. El perceptron simple con neuronas lineales.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Video completo de la clase 9 en YouTube (mp4)
Clase 10: Viernes 2 de octubre.
Seminario invitado: "Historia y epistemología de la
inteligencia artificial" [conferencia]
Andrés Ilcic
Parte 1. El perceptron simple con neuronas no lienales.
Pizarrón 1 (pdf)
Video 1 (mp4)
Video completo de la clase 10 en YouTube (mp4)
Clase 11: Jueves 8 de octubre.
Parte 1. El modelo Hodgking y Huxley de neurona.
Parte 2. El compromiso entre bias y varianza.
Parte 2. Las dificultades de entrenar redes profundas.
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 3 (pdf)
Video 3 (mp4)
Video completo de la clase 11 en YouTube
Clase 12: Viernes 9 de octubre.
Parte 1. Las dificultades del back-propapgation y un plan de
mejoras en cinco pasos.
Pizarrón 1A (pdf)
Pizarrón 1B (pdf)
Video 1 (mp4)
Video completo de la clase 12 en YouTube
Clase 13: Jueves 15 de octubre.
Parte 1. Un plan de mejoras. Parte 2
Parte 2. Un plan de mejoras. Parte 3.
Parte 2. Redes recurrentes parte 1. Modelo de Hopfield.
Pizarrón 1 (pdf)
Video 1A (mp4)
Video 1B (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Video completo de la clase 13 en YouTube
Clase 14: Viernes 16 de octubre.
Parte 1. Redes recurrentes: el modelo de Hopfield parte 2
Parte 2. Clase del Lic. Juan Porta: implementación
de una red neuronal en Python.
Pizarrón 1 (pdf)
Video 1 (mp4)
Video 2 (mp4)
Notebook
Video completo de la clase 14 en YouTube
Clase 15: Jueves 22 de octubre.
Parte 1. El modelo de Hopfield parte 3
Parte 2. Las máquinas de Boltzmann y máquinas de
Boltzmann restringidas
Parte 3. Las redes convolucionales
Pizarrón 1 (pdf)
Video 1 (mp4)
Pizarrón 2 (pdf)
Video 2 (mp4)
Pizarrón 2 (pdf)
Video 3 (mp4)
Video completo de la clase 15 en YouTube
Clase 16: Jueves 29 de octubre.
Parte 1. Implementación de una red de Hofpield. Parte 2. El modelo de Izhikevich. Redes recurrentes.
Parte 3. Redes recurrentes y despedida del curso.
Video parte 1
Video parte 2
Video parte 3
|