22 de agosto: introducción a la Inteligencia Artificial
representación del conocimiento con Pablo Duboue
lectura básica: capítulo 1 de Artificial intelligence: a modern approach
filminas: para la introducción usaremos las filminas de introducción del curso de Inteligencia Artificial de la UPC
Pablo mencionará algunos de estos recursos y herramientas:
práctico:indicaciones sobre el práctico, instrucciones sobre el software a bajar
27 de agosto: representación del conocimiento
lectura básica: el capítulo Knowledge Representation de Artificial intelligence: a modern approach (capítulo 12 en la 3a edición y 10 en la 2a edición)
filminas: breve historia de la IA, representación del conocimiento
práctico:creación de ontologías con Protégé.
29 de agosto: representación del conocimiento
lectura básica: el capítulo Knowledge Representation de Artificial intelligence: a modern approach (capítulo 12 en la 3a edición y 10 en la 2a edición)
filminas: usaremos filminas de diversas fuentes: algunas filminas sobre ontologías y YAGO, sobre SUMO, algunas sobre WordNet y el proyecto Kyoto, y algunas sobre CYC. Vamos a mencionar algo sobre inducción de ontologías (o folksonomías), sin filminas. También vamos a pasar muy por encima sobre algo de razonamiento con incertidumbre.
práctico: continúa el práctico sobre creación de ontologías. Pueden jugar con la ontología SUMO para Protégé.
3 de septiembre: búsqueda informada
lectura básica: capítulo 4 "Beyond Classical Search" de Artificial intelligence: a modern approach
filminas: filminas sobre búsqueda heurística y búsqueda local del curso de Inteligencia Artificial de la UPC
práctico: búsqueda con scripts adaptados por Rafael Carrascosa a partir de la librería aima-python
5 de septiembre: satisfacción de restricciones
lectura básica: capítulo 5 de Artificial intelligence: a modern approach, disponible como pdf en la web
filminas: filminas sobre satisfacción de restricciones del curso de Inteligencia Artificial de la UPC. Pueden consultar también las filminas de Padhraic Smyth, que tienen unos gráficos muy claritos y una tabla de comparación de la performance de diferentes técnicas de CSP. También vamos a estar viendo algo de la herramienta Chocosolver y en especial algo de su tutorial
práctico: seguimos con el práctico de búsqueda, añadimos forestproblem.py para el problema de la reforestación usando hill climbing y simulated annealing.
10 de septiembre: planning
lectura básica:capítulo 11 de Artificial intelligence: a modern approach
filminas: filminas sobre planning de Luciana Benotti, en el curso de IA de 2010
12 de septiembre: introducción al aprendizaje automático
lectura básica: capítulo 1 de Machine Learning
filminas: filminas de introducción a Machine Learning de R. Mooney, de la Universidad de Texas, basadas en el capítulo 1 de ML, con algunas actualizaciones y ampliaciones
práctico:seguimos con el práctico de búsqueda
para ampliar:Tom M. Mitchell. 2006. The Discipline of Machine Learning.
17 de septiembre: profundización en aprendizaje basado en ejemplos
lectura básica: capítulo 2 de Machine Learning
filminas:usaremos unas filminas de un curso de Martin Riedmiller de la Universität Freiburg
práctico: Empezamos con Weka, con unas filminas introductorias. Pueden encontrar más materiales en el workshop que dio Ian Witten el año pasado
19 de septiembre: aprendizaje bayesiano
lectura básica:capítulo 6 de Machine Learning
filminas: filminas sobre aprendizaje bayesiano de Gabriel Infante, en la escuela de verano de Río Cuarto 2007
práctico: práctico sobre planning
24 de septiembre: feliz día del estudiante!
26 de septiembre: árboles de decisión y redes neuronales
capítulo 3 de Machine Learning (y el que tenga especial interés, también el capítulo 4)
lectura básica:
filminas: filminas sobre decision trees y redes neuronales del curso de Machine Learning de Raymond Mooney
práctico: feria de proyectos
1 de octubre: support vector machines y métodos de kernel
lectura básica: un muy bonito artículo de Marti Hearst sobre Support Vector Machines y el tutorial de Chris Burges, ambos de 1998!!!
filminas: las filminas del tutorial clásico de Nello Cristiani en ICML 2001 y le echaremos un vistazo al video sobre cómo los kernels pueden convertir una separación no lineal en lineal
también pueden revisar las clases correspondientes a SVM en el curso de Machine Learning de Carlos Guestrin, muy interesantes y anotadas, pero también muy condensadas
práctico: práctico de aprendizaje automático con weka
3 de octubre: introducción al aprendizaje no supervisado, clustering
lectura básica: capítulos sobre flat clustering y hierarchical clustering del libro Introduction to Information Retrieval de Christopher Manning
filminas: del mismo libro de Manning, las filminas sobre flat clustering y hierarchical clustering
para saber más: applet sobre k-means
práctico: seguimos con aprendizaje automático (supervisado) con weka
10 de octubre: vecinos más cercanos con Georgina Flesia
basado en su curso sobre Pattern Classification.
15 de octubre: vecinos más cercanos con Georgina Flesia
17 de octubre: Expectation Maximization y Feature Selection
lectura básica: artículo introductorioa EM en Nature (y una pequeña explicación en stackexchange) y la introducción clásica a feature Selection, de Isabelle Guyon y André Elisseeff
filminas: filminas sobre EM de Eugene Weinstein y filminas sobre feature engineering and selection de Alexandre Bouchard-Côté en el curso de Practical Machine Learning de Michael Jordan
para saber más: siempre es buena idea ver el video de Isabelle Guyon en el bootcamp del 2007 de la Red Pascal (cómo?? no conocían las videolectures? claro, por eso es que vienen a este curso!)
práctico: práctico de clustering con weka
22 de octubre: reglas de asociación
lectura básica: capítulo 2 del libro de Web Data Mining de Bing Liu
filminas: filminas sobre reglas de asociación del curso de Data Mining and Text Mining de Bing Liu
24 de octubre: aprendizaje semi-supervisado
lectura básica: survey sobre semi-supervised learning de Jerry Zhu
filminas: tutorial sobre semi-supervised learning de Jerry Zhu en ICML 2007
29 de octubre: procesamiento del lenguaje natural
lectura básica: artículo sobre NLP en la Wikipedia
filminas: intro a pln
31 de octubre: traducción automática con Paula Estrella

lectura básica: el Statistical MT Handbook de Kevin Knight y Philipp Koehn, y un Tutorial sobre SMT de los mismos autores
filminas: filminas sobre traducción automática
herramientas: moses, giza-pp y srlim
para saber más: el mt-archive
5 de noviembre: análisis sintáctico (parsing) con Franco Luque
lecturas básicas: curso de PLN de Stanford, a cargo de Chris Manning, curso de PLN de Coursera, a cargo de Dan Jurafsky y Chris Manning, y el capítulo 8 del libro de NLTK
filminas: filminas sobre parsing y material de apoyo
herramientas: nltk
7 de noviembre: minería de texto
lectura básica: dos textos de Marti Hearst, What is Text Mining, del 2003 y Untangling Text Data Mining, de 1999
filminas:minería de texto
12 de noviembre: visión artificial con Jorge Sánchez
representación del problema
filminas:introducción a visión, versión resumida de los slides de Josef Sivic (Instance-level recognition) en el Visual Recognition and Machine Learning Summer School 2012
14 de noviembre: visión artificial con Jorge Sánchez
Modelos de bolsa de palabras (bag-of-words). Clasificación de imágenes. Búsqueda en gran escala. Aplicaciones
filminas:versión resumida de Computer Vision de Rob Fergus y versión resumida de Large-scale visual search de Josef Sivic
para ampliar:el libro de Richard Szeliski Computer Vision: Algorithms and Applications, disponible online!
19 de noviembre: presentación de proyectos
retransmitido en video por los Google Student Ambassadors UNC
Darío Garigliotti:Desambiguación de palabras polisémicas mediante aprendizaje semi-supervisado [filminas]
Pedro Waquim:Mapa del merodeador de FaMAF
Gustavo Ojeda:¿Hay lógica en el fútbol?: Una aproximación utilizando clasificadores en WEKA
Cristian Cardellino:Estudio de correlaciones en el uso de verbos en distintos corpus
21 de noviembre: presentación de proyectos
retransmitido en video por los Google Student Ambassadors UNC
Andrés Bordese:Predicción de partidos de fútbol
Juan Norris:Caracterización y extracción de palabras extraídas de un corpus con etiquetas EAGLE
Rodrigo Carranza:Reconocimiento de caracteres en imágenes no estructuradas
Tomás Hayes:Exploración sobre un sistema de recomendación colaborativa
Tomás Moreyra:Estadística predictiva para horarios en transporte público de Córdoba