Material de las clases teóricas (pizarrones y videos)

Clase 1: Lunes 11 de agosto de 2024

• Parte única: El contexto histórico y la cuarta revolución tecnológica. Definición de IA y Aprendizaje automático. Los tres pilares de la IA: capacidad de cálculo, datos profusos y algoritmos eficientes. El cerebro, las neuronas y las sinapsis. El paradigma conexionista.
  Pizarrón clase 1     Video clase 1

Clase 2: Jueves 12 de agosto de 2024

• Parte única: La neurona binaria de McCulloch y Pitts. Las funciones de activación. Las redes neuronales artificiales. Las redes neuronales feed-forward. El paradigma de programación del aprendizaje automático. Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje con refuerzo. El problema de clasificación.
  Pizarrón clase 2     Video clase 2

Clase 3: lunes 19 de agosto de 2024

• Sistemas dinámicos 1. El concepto de la derivada como razón de cambio instantánea de una variable que depende del tiempo. Sistemas continuos y discretos. El concepto de ecuación diferencial ordinaria. Sistemas dinánimos autónomos. Sistemas de ecuaciones diferenciales ordinarias.
  Pizarrón clase 3 parte 1     Video clase 3 parte 1


• Sistemas dinámicos 2. Sistemas dinámicos de orden superior. Los sistemas no autónomos. Como tratarlos. Ejemplos. Cuestiones de notación.
  Pizarrón clase 3 parte 2     Video clase 3 parte 2

Clase 4: jueves 22 de agosto de 2024

• Sistemas dinámicos 3. Sistemas dinámicos unidimensionales. El flujo en la línea. Análisis gráfico de la función. Puntos fijos. Un ejemplo ilustrativo.
  Pizarrón clase 4 parte 1     Video clase 4 parte 1


• Sistemas dinámicos 4. Análisis de estabilidad lineal de los puntos fijos. Atractores estables e inestables. El caso de los puntos fijos semi-estables.
  Pizarrón clase 4 parte 2     Video clase 4 parte 2

Clase 5: lunes 26 de agosto de 2024

• Sistemas dinámicos 5: El problema de valor inicial. Definición y teorema de existencia y unicidad. Los métodos para encontrar aproximaciones numéricas al problema de valor inicial en una dimensión y en muchas dimensiones. Método de Euler. Método de Runge-Kutta de cuarto orden. El ejemplo de la ecuación lineal. El ejemplo de la ecuación logística. El ejemplo de la función 1-x*x.
  Pizarrón clase 5 parte 1     Video clase 5 parte 1


• Sistemas dinámicos 6: El concepto de función potencial o de Liapunov. Analogías con el estudio de la dinámica newtoniana de una partícula ideal. El concepto de campo de pendientes.
  Pizarrón clase 5 parte 2     Video clase 5 parte 2

Clase 6: jueves 29 de agosto de 2024

• Sistemas dinámicos 7: La dinámica de disparo de una neurona biológica. El modelo Integrate and Fire.
  Pizarrón clase 6 parte 1     Video clase 6 parte 1


• Sistemas dinámicos 8: Repaso de la primera parte (usamos el mismo pizarrón de la parte 1).
  Paper de Lamberti y Rodríguez    Video clase 6 parte 2

Clase 7: Lunes 2 de septiembre de 2024

• Charla invitada I: Todo lo que siempre quisieron saber sobre las neuronas (de verdad) y nunca se animaron a preguntar.
  Dr. Nicolán Unsain
  INIMEC (UNC, CONICET, Instituto de Investigación Médica Mercedes y Martín Ferreyra)
  Córdoba
  Pizarrón clase 7    Video clase 7

Clase 8: jueves 5 de septiembre de 2024

• Sistemas dinámicos 9: Teoría de bifurcaciones. El rol de los parámetros en las ecuaciones diferenciales y su influencia en el comportamiento a tiempos largos. El caso de la función lineal. La bifurcación saddle-node (punto de ensilladura). El concepto de forma normal. Ejemplos. Universalidad. La bifurcación transcrítica.
  Pizarrón clase 8 parte 1     Video clase 8 parte 1


• Sistemas dinámicos 10: Las bifurcaciones Pitchfork supercríticas y subcríticas. La forma normal y ejemplos. Analogía con las transiciones de fase en la física.
  Pizarrón clase 8 parte 2    Video clase 8 parte 2

Clase 9: lunes 9 de septiembre de 2024

• Sistemas dinámicos 11: Sistemas dinámicos bidimensionales. El concepto de punto fijo en dos dimensiones. Generalidades.
  Pizarrón clase 9 parte 1     Video clase 9 parte 1


• Sistemas dinámicos 12: Los sistemas de EDO acoplados bidimensionales lineales. Los diferentes tipos de atractores.
  Pizarrón clase 9 parte 2    Video clase 9 parte 2

Clase 10: jueves 12 de septiembre de 2024

• Sistemas dinámicos 13: Repaso de la última clase. Linealización y tipos de atractores.
  Pizarrón clase 10 parte 1     Video clase 10 parte 1


• Sistemas dinámicos 14: Los autovalores y autovectores y su interpretación din´mica.
  Pizarrón clase 10 parte 2    Video clase 10 parte 2


• Sistemas dinámicos 15: El caso de los autovalores complejos y conjugados. El comportamiento oscilatorio. El diagrama de fases de la estabilidad de los puntos fijos en función del determinante y la traza de la matriz jacobiana.
  Pizarrón clase 10 parte 3    Video clase 10 parte 3

Clase 11: lunes 17 de septiembre de 2024

• Sistemas dinámicos 16: El modelo predador-preza. El modelo de dos especies competitivas: conejos y ovejas.
  Pizarrón clase 11     Video clase 11

Clase 12: lunes 23 de septiembre de 2024

• Sistemas dinámicos 17: El efecto de la no-lineaidad sobre los centros. Sistemas conservativos y sus consecuencias en la dinámica.
  Pizarrón clase 12 parte 1     Video clase 12 parte 1


• Sistemas dinámicos 18: Bifurcaciones revisitadas en d=2. La bifurcación de Hopf. Ejemplos.
  Pizarrón clase 12 parte 2    Video clase 12 parte 2


• Sistemas dinámicos 19: La neurona de Izhikevich.
  Pizarrón clase 12 parte 3    Video clase 12 parte 3

Clase 13: jueves 26 de septiembre de 2024

• Sistemas dinámicos 20: Sistemas dinámicos tridimensionales. Las ecuaciones de Lorentz y el problema de la convección atmosférica. Los atractores extraños. El concepto de caos. El concepto de sensibilidad a las condiciones iniciales.
  Pizarrón clase 13     Video clase 13

Clase 14: lunes 30 de septiembre de 2024

• Aprendizaje automático 1: La neurona de McCullogh y Pitts. Las dendritas. La suma ponderada. El umbral. La función de activación Heaviside. Otras funciones de activación.
  Pizarrón clase 14 parte 1     Video clase 14 parte 1


• Aprendizaje automático 2: El aprendizaje supervisado en redes neuronales. El conjunto de datos etiquetados. Las redes feed-forward: definición. Las redes de una única capa.
  Pizarrón clase 14 parte 2     Video clase 14 parte 2


• Sistemas dinámicos 21: El modelo de Hodking y Huxley para el potencial de acción de una neurona.
  Paper de Lamberti y Rodríguez     Video clase 14 parte 3

Clase 15: lunes 7 de octubre de 2024

• Aprendizaje automático 3: Elementos fundamentales del perceptrón simple. Notaciones.
  Pizarrón clase 15 parte 1     Video clase 15 parte 1


• Aprendizaje automático 4: Cómo deshacernos del umbral y pensarlo como una sinapsis más. El percetrón como clasificador binario. Un ejemplo simple con dos entradas y sin umbral. El concepto de separabilidad lineal.
  Pizarrón clase 15 parte 2     Video clase 15 parte 2


• Aprendizaje automático 5: El algoritmo de Rosenblatt para encontrar una solución de un problema de clasificación binaria linealmente separable.
  Pizarrón clase 15 parte 3     Video clase 15 parte 3

Clase 16: lunes 14 de octubre de 2024

• Los galardonados con el premio Nobel 2024: J. Hopfield y G. Hinton
  Video


• Aprendizaje automático 6: El perceptrón simple con función de activación lineal.
  Pizarrón clase 16     Video clase 16

Clase 17: jueves 17 de octubre de 2024

• Aprendizaje automático 7: El perceptrón simple con función de activación lineal: repaso. El método de descenso por el gradiente. Cálculo de los incrementos en las sinapsis (parámetros). Pseudo-código.
  Pizarrón clase 17 parte 1     Video clase 17 parte 1


• Aprendizaje automático 8: El perceptrón simple con función de activación no-lineal. Cómo se modfica el método de descenso por el gradiente. Cálculo de los incrementos en las sinapsis (parámetros).
  Pizarrón clase 17 parte 2     Video clase 17 parte 2

Clase 18: jueves 26 de octubre de 2024

• Aprendizaje automático 9: Repaso del perceptrón simple. Los problemas del descenso por el gradiente determinista.
  Pizarrón clase 18 parte 1     Video clase 18 parte 1


• Aprendizaje automático 10: La red neuronal feed-forward con una capa oculta. El algoritmo de la retropropagación de error (back-propagation error).
  Pizarrón clase 18 parte 2     Video clase 18 parte 2

Clase 19: lunes 28 de octubre de 2024

• Aprendizaje automático 11: El método de back-propagation para redes feed-forward arbitrarias.
  Pizarrón clase 19     Video clase 19

Clase 20: jueves 31 de octubre de 2024

• Aprendizaje automático 12: Las redes neuronales como aproximadores universales de funciones continuas. Teoremos y ejemplos.
  Pizarrón clase 20     Video clase 20

Clase 21: lunes 4 de noviembre de 2024

• Aprendizaje automático 13: El problema de supresión del gradiente.
  Pizarrón clase 21 parte 1     Video clase 21 parte 1


• Aprendizaje automático 14: Hacia el aprendizaje profundo. Modificación 1: el auto-encoder. Pre-entrenamiento con apilando auto-encoders.
  Pizarrón clase 21 parte 2     Video clase 21 parte 2

Clase 22: jueves 7 de noviembre de 2024

• Aprendizaje automático 15: Hacia el aprendizaje profundo. Modificación 2: las funciones ReLu.
  Modificación 3: El descenso por el gradiente estocástico. Mini-lotes y dropout.
  Pizarrón clase 22 parte 1     Video clase 22 parte 1


• Aprendizaje automático 16: Hacia el aprendizaje profundo. Modificación 4: Descenso por el gradiente estocástico con memoria (momento) y adaptación.
  Pizarrón clase 22 parte 2     Video clase 22 parte 2

Clase 23: lunes 11 de noviembre de 2024

• Aprendizaje automático 17: Hacia el aprendizaje profundo. Modificación 5: Regularizaciones L1 y L2.
  Hacia el aprendizaje profundo. Modificación 6: La entropía cruzada como función cruzada.
  Pizarrón clase 23 parte 1     Video clase 23 parte 1


• Aprendizaje automático 18: Una analogía importante entre el aprendizaje automático y la regresión polinomial. El error en la muestra y el error fuera de la muestra. Error de aprendizaje versus error de testeo. Sobreajuste y subajuste de datos.
  Pizarrón clase 23 parte 2     Video clase 23 parte 2

Clase 24: jueves 14 de noviembre de 2024

• Aprendizaje automático 19: El compromiso entre el sesgo y la varianza.
  Pizarrón clase 24 parte 1     Video clase 24 parte 1


• Aprendizaje automático 20: Las redes neuronales convolucionales.
  Pizarrón clase 24 parte 2     Video clase 24 parte 2