- Professor: Ing. Joel David Ferreira Estigarribia
Fundamentación
El curso aborda la Inteligencia Artificial (IA) como una herramienta clave en la resolución de problemas complejos en diversas disciplinas. Se enfoca en la toma de decisiones bajo incertidumbre, la optimización multiobjetivo y el aprendizaje de máquinas, proporcionando a los estudiantes conocimientos teóricos y prácticos esenciales para su desarrollo profesional.
Contenidos Principales
Incertidumbre y Razonamiento Probabilístico: Uso de Redes Bayesianas, razonamiento hipotético, inducción y cadenas de Markov.
Redes Neuronales Artificiales: Modelos como Perceptrón, Backpropagation, Hopfield y Aprendizaje Competitivo.
Algoritmos Genéticos: Métodos de optimización basados en la evolución natural.
Algoritmos Evolutivos Multiobjetivos: Aplicaciones en problemas de optimización con múltiples objetivos (SPEA2 y NSGA-II).
Aprendizaje de Máquinas: Técnicas para la construcción de modelos basados en datos.
El curso aborda la Inteligencia Artificial (IA) como una herramienta clave en la resolución de problemas complejos en diversas disciplinas. Se enfoca en la toma de decisiones bajo incertidumbre, la optimización multiobjetivo y el aprendizaje de máquinas, proporcionando a los estudiantes conocimientos teóricos y prácticos esenciales para su desarrollo profesional.
Contenidos Principales
Incertidumbre y Razonamiento Probabilístico: Uso de Redes Bayesianas, razonamiento hipotético, inducción y cadenas de Markov.
Redes Neuronales Artificiales: Modelos como Perceptrón, Backpropagation, Hopfield y Aprendizaje Competitivo.
Algoritmos Genéticos: Métodos de optimización basados en la evolución natural.
Algoritmos Evolutivos Multiobjetivos: Aplicaciones en problemas de optimización con múltiples objetivos (SPEA2 y NSGA-II).
Aprendizaje de Máquinas: Técnicas para la construcción de modelos basados en datos.
- Professor: Ing. Carlos Domingo Almeida Delgado
- Professor: Ing. Carlos Enrique Montiel Careaga
- Professor: Ing. Carlos Feliciano Mujica Rodas