diplomado en inteligencia artificial

VIDA • CIENCIA • TECNOLOGIA

DIPLOMADO EN INTELIGENCIA

ARTIFICIAL

IA ARIHUS SAPI DE CV | Humberto Campos Oropeza | Móvil. 55.8456.1399 | [email protected] www.ARIHUS.com

Contenido

Descripción General ............................................................................................................................ 4

Tiempo Calendario .............................................................................................................................. 4

Costo de Diplomado ............................................................................................................................ 4

Forma de pago ................................................................................................................................ 4

Promociones........................................................................................................................................ 4

Certificaciones ..................................................................................................................................... 4

Datos Bancarios ................................................................................................................................... 5

Módulos de Estudio ............................................................................................................................ 6

Plan de Estudios .................................................................................................................................. 7

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL ........................................................................... 8

PROBABILIDAD Y ESTADISTICA ...................................................................................................... 10

MATEMATICAS DISCRETAS ............................................................................................................ 11

CALCULO DIFERENCIAL E INTEGRAL .............................................................................................. 13

ALGEBRA LINEAL............................................................................................................................ 15

ANÁLISIS DE ALGORITMOS ............................................................................................................ 16

INTRODUCCIÓN A LAS REDES NEURONALES ................................................................................. 19

MODELADO Y CONTROL DE ROBOTS ............................................................................................ 20

TECNOLOGÍAS DEL LENGUAJE NATURAL ...................................................................................... 22

APRENDIZAJE DE MAQUINA .......................................................................................................... 26

LINGÜÍSTICA COMPUTACIONAL I .................................................................................................. 28

RECONOCIMIENTO DE PATRONES ................................................................................................ 32

ANÁLISIS DE IMÁGENES ................................................................................................................ 33

REDES ESTOCASTICAS .................................................................................................................... 35

BASES DE DATOS Y TUNING .......................................................................................................... 36

PROGRAMACIÓN DE GPU ............................................................................................................. 38

SISTEMAS EMBEBIDOS .................................................................................................................. 39

SUPERCOMPUTO PARA APLICACIONES DESAFIANTES .................................................................. 40

ROBOTICA AVANZADA .................................................................................................................. 41

REDES NEURONALES ARTIFICIALES ............................................................................................... 42

Reconocimiento de formas y visión por computadora ................................................................. 44


PROCESAMIENTO DIGITAL DE VIDEO ............................................................................................ 46

PROCESAMIENTO DIGITAL DE IMÁGENES ..................................................................................... 48

PROCESAMIENTO DE VOZ ............................................................................................................. 49

ESTRUCTURA DE DATOS AVANZADAS ........................................................................................... 51

MORFOLOGIA MATEMATICA ........................................................................................................ 53

MODELOS DE PROGRAMACIÓN PARALELA ................................................................................... 55

CONTROL DIFUSO .......................................................................................................................... 57

CLASIFICACIÓN INTELIGENTE DE PATRONES ................................................................................ 59

REDES NEURONALES AVANZADAS ................................................................................................ 61

Lingüística computacional II (Aplicaciones de la lingüística computacional) ................................ 63

TRANSFORMADAS MATEMATICAS PARA IMÁGENES ................................................................... 65

SISTEMAS INTELIGENTES DISTRIBUIDOS ....................................................................................... 66

SISTEMAS DEDICADOS .................................................................................................................. 68

RECONOCIMIENTO DE PATRONES II ............................................................................................. 70

COMPUTO EN LA NUBE ................................................................................................................. 72


Descripción General ARIHUS

La empresa ARIHUS, se dedican al diseño y desarrollo de algoritmos de Inteligencia

Artificial, teniendo a varios investigadores dentro de la organización, cada uno con

especializaciones tales como Visión por Computadora, Aprendizaje de Maquina, Sistemas

Expertos, Redes Neuronales, Procesamiento de señales, Procesamiento de Lenguaje

Natural, Support Vector Machine, entre otros.

ARIHUS entendiendo la necesidad de la industria de la tecnología del área de la IA, con lo

cual propone realizar diferentes acciones de capacitación que acompañen a la estrategia

de aprendizaje de los estudiantes de ingeniería y los profesionistas en Tecnologías de la

Información a formarse en esta área en constante crecimiento que está teniendo

actualmente.

Tiempo Calendario Tiempo de capacitación: 3,744 horas, idealmente el estudiante debe completar la capacitación en

un periodo de 18 meses.

Costo de Diplomado Precio original de $6,000 MXN mensuales, promoción por primera generación a $4,000 MXN

mensuales.

ID Concepto Cantidad Precio Mensual Importe Total

1 Público en General 18 $ 4,000.00 $72,000

2 Estudiantes escuelas públicas 18 $ 1,500.00 $27,000

3 Estudiantes IPN 18 $ 500.00 $9,000

*4 Estudiantes IPN ESIME - UC 18 $ 300.00 $5,400

*5 Estudiantes IPN CECyT 13 18 $ 300.00 $5,400

Forma de pago Primera colegiatura antes del inicio del curso, posteriormente pago mensual los primeros 5 días de

cada mes

Promociones A todas las personas y/o empresas que contraten antes del 30 de septiembre y realicen el pago

total de los 18 meses, se hace un 30% de descuento.

Certificaciones Todos los alumnos que aprueben los módulos del diplomado de ARIHUS, tendrán una certificación

oficial por parte de Huawei y de Intel.


Datos Bancarios Banco: IA ARIHUS SAPI DE CV

Banco: STP Sistema de Transferencias y Pagos (albo empresa)

CLABE: 646180204294900009

_____________________________

Humberto Campos Oropeza

Representante Legal


Módulos de Estudio


Plan de Estudios No Materia Horas

1 PROBABILIDAD Y ESTADISTICA 68

2 MATEMATICAS DISCRETAS 72

3 CALCULO DIFERENCIAL E INTEGRAL 100

4 ALGEBRA LINEAL 59

5 ANÁLISIS DE ALGORITMOS 152

6 INTRODUCCIÓN A LAS REDES NEURONALES 94

7 MODELADO Y CONTROL DE ROBOTS 84

8 TECNOLOGÍAS DE LENGUAJE NATURAL 84

9 APRENDIZAJE DE MAQUINA 90

10 LINGÜÍSTICA COMPUTACIONAL 105

11 RECONOCIMIENTO DE PATRONES 104

12 ANÁLISIS DE IMÁGENES 82

13 REDES ESTOCASTICAS 95

14 BASES DE DATOS Y TUNING 90

15 SISTEMAS EMBEBIDOS 100

16 PROGRAMACIÓN DE GPU 95

17 COMPUTACIÓN INTELIGENTE 112

18 SUPER COMPUTO 108

19 SISTEMAS OPERATIVOS 120

20 ROBOTICA AVANZADA 120

21 REDES NEURONALES ARTIFICIALES 106

22 VISIÓN POR COMPUTADORA 108

23 PROCESAMIENTO DIGITAL DE VIDEO 108

24 PROCESAMIENTO DIGITAL DE IMÁGENES 109

25 PROCESAMIENTO DIGITAL DE VOZ 108

26 ESTRUCTURA DE DATOS AVANZADA 108

27 MORFOLOGIA MATEMATICA 107

28 MODELO DE PROGRMACIÓN PARALELA 108

29 FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL 108

30 CONTROL DIFUSO 109

31 CLASIFICACIÓN INTELIGENTE DE PATRONES 108

32 REDES NEURONALES AVANZADAS 107

33 LINGÜÍSTICA COMPUTACIONAL II 102

34 TRANSFORMADAS MATEMATICAS PARA IMÁGENES 119

35 SISTEMAS INTELIGENTES DISTRIBUIDOS 117

36 SISTEMAS DEDICADOS 118

37 RECONOCIMIENTO DE PATRONES II 108

38 COMPUTO EN LA NUBE 107


DIPLOMADO EN INTELIGENCIA ARTIFICIAL

IA ARIHUS SAPI DE CV

ASIGNATURA FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

No Tema TEMAS HORAS

1 Contexto general de la Inteligencia Artificial

12

1.1 Ideas precursoras

1.2 La relación Lógica-Matemática-Cómputo

1.3 Breve historia de la Inteligencia Artificial

1.4 Inteligencia Artificial Fuerte y Suave

1.5 Argumentos a favor y en contra

1.6 El Test de Turing

1.7 Otras pruebas

1.8 Eventos actuales

2 Solución de problemas mediante búsqueda herurística

15

2.1 Concepto de heurística

2.2 Modelado del problema como máquina de estados

2.3 Espacio de búsqueda

2.4 Estados inicial, meta y final

2.5 Búsqueda heurística ordenada

2.6 Técnicas de rastreo (Bactracking)

2.7 Completitud y Optimalidad de los algoritmos

2.8 Variantes de búsqueda ordenada (DLS, IDS, BiDS, etc.)

3 Búsqueda informada y Planeación

15

3.1 Incorporación de conocimiento específico

3.2 Algoritmos Best-First-Search y Beam-Search

3.3 Algoritmos A*, IDA* y RBFS

3.4 Cumplimiento de restricciones

3.5 Métricas para evaluación de la búsqueda informada

3.6 Aplicaciones

4 Agentes en competencia

15

4.1 Introducción a la Teoría de Juegos

4.2 Evaluación Mini-Max del árbol de juego

4.3 Poda Alfa-Beta del árbol de juego

4.4 El Efecto Horizonte y variantes de estrategia

4.5 El dilema del prisionero y su análisis

5 Sistemas de lógica simbólica

15 5.1 Lógica y representación

5.2 Demostración automática de teoremas en Lógica Proposicional


5.3 Unificación en Lógica de Predicados

5.4 Resolución en Lógica de Predicados

5.5 Cláusulas de Horn y el entorno PROLOG

5.6 Breve revisión de otras lógicas (Segundo Orden, No-monotónicas, Difusa, Modal, etc.)

6 Representación de Conocimiento

15

6.1 Datos, Información y Conocimiento

6.2 Conocimiento y su aprovechamiento

6.3 Representación por asociación

6.4 Marcos y Redes Semánticas

6.5 Bases de Conocimiento y su independencia estructural

6.6 Principios de Web Semántica

7 Sistemas de Producción

12

7.1 Motor de inferencia y Base de Conocimiento

7.2 Sistemas de Reglas simbólicas

7.3 Encadenamiento directo e inverso de Reglas

7.4 Estrategias para solución de conflictos

7.5 Sistemas basados en Conocimiento y Sistemas Expertos

7.6 Autómatas Celulares

7.7 Simulación de Micromundos

8 Presente y futuro de la Inteligencia Artificial

9

8.1 Los límites del enfoque simbólico y del enfoque conexionista

8.2 Las fronteras del Procesamiento del Lenguaje Natural

8.3 Técnicas de aprendizaje y la disciplina de Machine Learning

8.4 Aprendizaje profundo y Redes de Creencias




ASIGNATURA PROBABILIDAD Y ESTADISTICA

No Tema TEMAS HORAS

1 Organización y representación de información estadística mediante tablas y gráficos para datos no agrupados y agrupados. 1.5

2 Medidas de tendencia central 1.5

3 Medidas de posición 1.5

4 Medidas de Dispersión 2

5 Momentos, sesgo y curtosis 2

6 Variable aleatoria continua 3

7 Función de densidad de variable aleatoria continua y momentos 3

8 Distribución de probabilidad uniforme 3

9 Distribución de probabilidad normal y normal estándar. 4

10 Distribución de probabilidad Beta, Gama , Weibull. 4

11 Distribución de probabilidad t de student, 2

12 Distribución de probabilidad Ji cuadrada. 2

13 Distribución de probabilidad F 1.5

14 Variables aleatorias continuas conjuntas. 4

15 Muestreo estadístico, Teorema de límite central. 8

16 Estimación puntual y estimación por intervalos 10

17 Prueba de hipótesis. 5

18 Regresión lineal y no lineal. 10




ASIGNATURA MATEMATICAS DISCRETAS

No Tema TEMAS HORAS

1 INTRODUCCIÓN 10

1.1 Números reales.

1.2 Proposiciones lógicas.

1.3 Tablas de verdad.

1.4 Cuantificadores.

1.5 Métodos de demostración.

1.6 Conjuntos y sus operaciones.

2 Principios fundamentales del conteo 8

2.1 Reglas de la suma y el producto.

2.2 Permutaciones.

2.3 Combinaciones.

2.4 Distribuciones

2.5 Aplicaciones: experimentos no deterministas.

3 Relaciones 8

3.1 Definiciones y propiedades.

3.2 Relaciones de equivalencia.

3.3 Aplicaciones: dígrafos.

4 Funciones 8

4.1 Revisión de algebra de funciones

4.2 Algunas funciones especiales aplicadas en la ingeniería.

5 Álgebra booleana 8


5.2 Aplicaciones: funciones de Boole.

6 Matrices 10

6.1 Transformaciones lineales.

6.2 Propiedades de imagen, rango, núcleo, nulidad.

6.3 Isomorfismos.

7 Grafos 10


7.2 Árboles

7.3 Caminos y circuitos de Euler y Hamilton.

7.4 Aplicaciones: problemas de existencia, construcción y enumeración.

8 Grupos 10

8.1 Operaciones binarias algebraicas.

8.2 Propiedades elementales de grupo.


8.3 Aplicaciones: grupo cociente.




ASIGNATURA CALCULO DIFERENCIAL E INTEGRAL

No Tema TEMAS HORAS

1 INTRODUCCIÓN A LOS NÚMEROS REALES 10

1.1 Números reales

1.2 Enteros, Relacionales e Irracionales

1.3 Campo de los números reales

1.4 Valor Absoluto de un número real

1.5 Ley de triconomía

1.6 Definición de intervalos en los números reales

1.7 Solución de desigualdades de primer y segundo grado en una y dos variables

2 INTRODUCCIÓN FUNCIONES REALES DE VARIABLE REAL 18

2.1 Concepto de función real y variable real

2.2 Determinación de dominio, rango de una función.

2.3 Grafica de una función

2.4 Operaciones fundamentales entre funciones

2.5 Funciones positivas y negativas

2.6 Funciones pares e impares

2.7 Funciones crecientes y drececientes

2.8 Funciones polinominales

2.9 Funciones racionales

2.10 Funciones exponenciales

2.11 Funciones logaritmicas

2.12 Funciones trigonometricas circulares

2.13 Identidades trigonometricas

2.14 Ley de senos y cosenos

2.15 Funciones hiperbolicas

2.16 Identidades trigonometricas hiperbolicas

2.17 Funciones periodicas

2.18 Definición de los ceros de una función

2.19 Clasificación de funciones según su expresión

3 LIMITES DE FUNCIONES 18

3.1 Definición formal de límite

3.2 Teorema sobre límites

3.3 Definición y cálculo de limites infinitos y al infinito de una función

3.4 Definición y determinación de la continuidad de una función de un punto y de un intervalo

3.5 Teorema sobre la continuidad


4 INTRODUCCIÓN DERIVACIÓN 18

4.1 Definición y interpretación de la derivada de un punto.

4.2 Derivación de la suma, producto, el cociente y la potencia de funciones

4.3 Regla de la cadena

4.4 Teoria de la función inversa

4.5 Derivación de las principales funciones: polinominales, relacionales, exponenciales, logaritmicas, trigonometricas circulares y sus inversas, trigonometricas hiperbolicas y sus inversas.

4.6 Derivación implicita

5 APLICACIONES DE LA DERIVADA 18

5.1 Teorema del valor medio

5.2 Teorema de Rolle

5.3 Definición e Interpretación de las derivadas de orden superior

5.4 Criterios de la primera y segunda derivadas para determinar los puntos criticos, maximos, minimos y puntos de inflexión.

5.5 Solución de problemas

5.6 Regla de L'Hospital

5.7 Diferencial y sus aplicaciones.

6 Sucesiones y Series 18

6.1 Concepto de sucesión y de serie de números reales

6.2 Criterios de convergencia de una sucesión de una serie.

6.3 Aproximación de funciones por series de potencias

6.4 Series de Taylor y de Maclaurin




ASIGNATURA ALGEBRA LINEAL

No Tema TEMAS HORAS

1 ESPACIOS VECTORIALES 10

1.1 Conceptos Fundamentales

1.2 Subespacios vectoriales

1.3 Independencia y dependencia lineal

1.4 Bases vectoriales y dependencia lienal

1.5 Bases vectoriales y dimensión

1.6 Espacios vectoriales con producto interno

1.7 Bases ortonormales y proyecciones

2 TRANSFORMACIONES LINEALES 18


2.2 Propiedades

2.3 Rango y kernel

2.4 Representacion matricial

2.5 Cambios de base

2.6 Isomorfismos

3 VALORES Y VECTORES CARACTERISTICOS


3.2 Matrices equivalentes

3.3 Diagonalización

3.4 Matrices simétricas

3.5 Diagonalización ortogonal

3.6 Aplicaciones




ASIGNATURA ANÁLISIS DE ALGORITMOS

No Tema TEMAS HORAS

1 ALGORITMOS

1.1.1 Algoritmos

6 1.1.2 Algoritmos, noción y conceptos

1.1.3 Origen y desarrollo de algoritmos

1.1.4 Clasificación de algoritmos

1.2 Importancia y uso de los algoritmos

9

1.2.1 Sintaxis y semantica del lenguaje

1.2.2 Secuenciación, selección e iteración

1.2.3 Recursión

1.2.4 Tipo de datos, tipo de datos abstractos y estructura de datos

1.3 Solución de problemas

9

1.3.1 Conceptos

1.3.2 Clasificación de problemas

1.3.3 Técnicas para la solución de problemas

1.3.4 Problemas, algoritmos y programas

2 TEORIA DE LA COMPUTACIÓN

25

2.1 Teoría de la computación

2.1.1 Tesis Cruch-Turing

2.1.2 Máquinas de Turing

2.1.3 Teorema de la recursión

2.1.4 Problemas

2.1.5 Complejidad de algoritmos

2.2 Introducción al análisis de algoritmos

2.2.1 Análisis de algoritmos

2.2.2 Importación del análisis de algoritmos

2.2.3 Fundamentos matemáticos

2.2.4 Análisis asintótico

2.3 Eficacia y Eficiencia

2.3.1 Notación de la complejidad

2.3.2 Introducción a la complejidad de algoritmos

2.3.2.1 Notación

2.3.2.2 Otras notaciones

2.3.2.3 Análisis de estructuras de control, secuencias, ciclos y llamadas

2.3.3 Análisis de estructuras de control, secuencias, ciclos y llamadas recursivas

2.3.4 Técnicas de análisis


2.3.5 Relaciones de recurrencia

3 Tipos de datos abstractos y Estructura de Datos

35

3.1 Estructura de datos y diseño de algoritmos

3.1.1 Estructura de datos lineales

3.1.2 Estructura de datos no-lineales

3.1.3 Procedimientos recursivos

3.1.4 Estructura de datos recursivos

3.2 Tipo de datos abstractos

3.2.1 Registros, arreglos, conjuntos

3.2.2 Pilas, colas y listas.

3.2.3 Diccionarios

3.2.4 Árboles

3.3 Operaciones con las estructuras de datos

3.3.1 Inserción y eliminación

3.3.2 Búsquedas

3.3.3 Ordenamiento e intercalamiento

3.3.3.1 Método del mínimo.

3.3.3.2 Método de la burbuja

3.3.3.3 Método del Quicksort

3.3.3.4 Método de mezclas

4 TÉCNICAS, DISEÑO Y ANÁLISIS DE LOS ALGORITMOS, ALGORITMOS GEOMETRICOS

31

4.1 Técnicas del diseño y análisis para la optimización de los algoritmos

4.1.1 Relaciones de recurrencia

4.1.2 Programación dinámica

4.1.3 Backtracking

4.1.4 Divide y venceras

4.1.5 El problema de la mochila

4.2 Algoritmos geometricos

4.2.1 Búsqueda geométrica

4.2.2 Inclusión de polígonos

4.2.3 Problemas de intersecciones.

4.3 Algoritmos de grafos

4.3.1 Definición y clasificación de los grafos

4.3.2 Representación en la computadora de los grafos.

4.3.3 Algoritmo de Dijkstra.

4.3.4 Algoritmo de Euler.

4.3.5 Algoritmo de camino más corto.

4.3.6 Grafos conexos.

4.3.7 Graficas en computadora.


4.4 Análisis asintótico de las funciones.

4.4.1 Complejidad de los algoritmos.

4.4.2 Acotación de problemas.

4.4.3 Transformación de problemas.

4.4.4 Cotas superiores e inferiores.

5 PRACTICAS

37

Grafo dirigido

Grafo TAD

Flujo Dijkstra

Algoritmo Ford-Fulkerson

Problema de la suma y cifrado de Merckle-Hellman

Cifrado de Merckle-Hellman

Grafos con incidencias

Algoritmo de exploración.

Algoritmo BFS

Algoritmo DFS

Combinaciones

Recorridos

Multiplicación de números grandes

Multiplicación de Karatsuba

Comparaciones de rendimiento

Algoritmos N(p) complejos




ASIGNATURA INTRODUCCIÓN A LAS REDES NEURONALES

No Tema TEMAS HORAS

0 Reflexión inicial: comparativa entre el cerebro humano y la computadora 2

1 Introducción

6

1.1 Panorama historico de las redes neuronales artificiales

1.2 Concepto basico y clasificación de las redes neuronales artificiales

1.3 Conjuntos fundamental, de entrenamiento y de prueba

1.4 Fases de aprendizaje y operación de una red neuronal artificial

2 El modelo de McCulloch-Pitts

9 2.1 Teoría del primer modelo de neurona artificial

2.2 Representación de compuertas lógicas con el modelo de McCulloch-Pitts

3 Donald Hebb y el aprendizaje artificia 9

4 El Perceptron de Rosenblatt

10

4.1 La TLU (Threshold Logical Unit)

4.2 Regla del Perceptrón Simple

4.3 Regla Delta

4.4 Teorema de Convergencia del Perceptrón Simple

5 Adaline y Madaline

10 5.1 Teoría y aplicaciones del Adaline

5.2 Madaline

5.3 El trabajo de Minsky y Papert - limitaciones del Perceptrón Simple

6 Las redes de Hopfield

10 6.1 Introducción a los sistemas dinámicos

6.2 Modelo discreto de Hopfield

6.3 Modelo continuo de Hopfield

7 Peceptrones Multicapa (MLPs) y Backpropagation

24 7.1 Estructura del Perceptrón Multicapa

7.2 Teorema de Superposición

7.3 Regla de aprendizaje Backpropagation

8 Introducción a los Modelos Asociativos

14

8.1 Concepto de modelo asociativo

8.2 Lernmatrix

8.3 Linear Associator

8.4 Modelo de Willshaw

8.5 Modelo de Hamming

8.6 Modelo básico de las Memorias Asociativas Morfológicas




ASIGNATURA MODELADO Y CONTROL DE ROBOTS

No Tema TEMAS HORAS

1 INTRODUCCIÓN

14

1.1 Reflexión

1.2 ¿Por qué y para qué son los robots?

1.3 Diferencias entre los robos móviles, aéreos, humanoides y submarinos

1.4 Robótica de servicio.

2 Fundamentos

14

2.1 Introducción

2.2 Conceptos y definiciones básicas

2.3 Matemáticas para el modelado y control de robots móviles, aéreos, humanoides y submarinos.

2.4 Simulación de modelos de robots a través de simuladores libres y comerciales.

3 Modelado y control de robots móviles.

14

3.1 Introducción.

3.2 Cinemática y dinámica.

3.3 Fuerzas y momentos.

3.4 Modelos lineales

3.5 Sensores para robots móviles.

3.6 Estimación de estados.

3.7 Modelos de guiado.

3.8 Seguimiento de trayectorias.

3.9 Administración de trayectorias.

3.10 Planificación de trayectorias.

3.11 Navegación guiada por visión, proximidad y otros sensores.

4 Modelado y control de robots aéreos

14

4.1 Introducción.



4.4 Modelos lineales.

4.5 Sensores para robots aéreos.



4.8 Seguimiento de trayectorias



4.11 Navegación guiada por visión, GPS y otros sensor


5 Modelado y control de robots humanoides.

14

5.1 Introducción.




5.5 Sensores para robots humanoides.






5.11 Navegación guiada por visión, proximidad y otros sensores.

6 Modelado y control de robots submarinos

14

6.1 Introducción.




6.5 Sensores para robots humanoides.






6.11 Navegación guiada por visión, proximidad, sonar y otros sensores.




ASIGNATURA TECNOLOGÍAS DEL LENGUAJE NATURAL

No Tema TEMAS HORAS

1 Taxonomía de las lenguas

3

1.1 Lenguas analíticas

1.2 Lenguas sintéticas

1.2.1 Lenguas flexivas

1.2.2 Lenguas intraflexivas

1.2.3 Lenguas aglutinativas

1.2.4 Lenguas polisintéticas

1.3 Características de lenguas específicas

1.3.1 Lenguas utilizadas en México

1.3.2 Otras lenguas

2 Implicaciones para el diseño de sistemas de software para el procesamiento de distintas lenguas

9

2.1 Comparación de los métodos útiles para el procesamiento de textos en español, inglés, francés y ruso

2.2 Procesamiento del español: Lo que se puede adoptar de la tradición Norteamericana, y lo que no se puede

2.3 Necesidad para desarrollar sistemas orientados hacia el procesamiento de textos en Español

3 Procesadores lingüísticos

9

3.1 Estructura general de un sistema inteligente dotado para el procesamiento de un lenguaje natural

3.1.1 Módulo de razonamiento

3.1.2 Procesador lingüístico

3.2 Procesadores lingüísticos

3.2.1 Procesadores lingüísticos multipropósitos

3.2.2 Procesadores lingüísticos especializados

3.3 Estructura de un procesador lingüístico multipropósitos

3.3.1 Analizador y sintetizador de textos

3.3.2 Módulo morfológico

3.3.3 Módulo sintáctico

3.3.4 Módulo semántico

4 Desarrollo de sistemas lingüísticos

9 4.1 Problemas de los proyectos interdisciplinarios

4.1.1 El papel de los lenguajes formales en la codificación de datos

4.1.2 El papel del conocimiento lingüístico para los programadores


4.2 Problemas generales de los proyectos de desarrollo de grandes cantidades de software

4.2.1 Mantenimiento de los datos

4.2.2 Mantenimiento del código

4.2.3 Elección del (los) lenguaje(s) de programación

5 Fuentes lingüísticas y lenguajes para su representación

9

5.1 Fuentes lingüísticas

5.1.1 Representación de las fuentes lingüísticas

5.1.2 Mantenimiento de las fuentes lingüísticas

5.1.3 Especificaciones para la compilación y el mantenimiento de grandes series de datos

5.1.4 Lenguajes de programación para el trabajo lexicográfico

5.2 Conocimiento descriptivo y de procedimiento

5.2.1 Principio de Yngve

5.2.2 El papel de las fuentes lingüísticas

5.2.3 Independencia de las lenguas

5.2.4 Fuentes comunes para el análisis y la síntesis

5.2.5 Limitaciones del principio de Yngve

5.3 Tipos de fuentes lingüísticas

5.3.1 Gramáticas

5.3.2 Diccionarios

5.3.3 Corpus de textos

6 Compilación de fuentes lingüísticas

9

6.1 Métodos de compilación de fuentes lingüísticas

6.1.1 El papel del trabajo automático

6.1.2 El papel del trabajo manual

6.1.3 Trabajo manual ayudado por una computadora

6.1.4 Extracción de información del corpus de textos

6.1.5 Extracción de información de los diccionarios orientados hacia el uso humano

6.1.6 Traducción de fuentes léxicas

7 Mantenimiento de las fuentes

9 7.1 Fuentes lingüísticas como grandes series de datos

7.2 El papel de la documentación

7.3 Importancia de la consistencia y uniformidad

8 Funciones léxicas

9

8.1 Funciones léxicas tradicionales

8.1.1 Hipónimos e hiperónimos

8.1.2 Sinónimos y antónimos.

8.1.3 Parónimos

8.1.4 Holónimos


8.1.5 Derivadas

8.2 Funciones léxicas avanzadas

8.2.1 Propiedades: Magn, Bon, etc.

8.2.2 Acciones: Oper, Func, Labor, etc.

8.2.3 Derivadas: S, A, etc.

8.3 El uso de las funciones léxicas en la representación semántica

8.3.1 Normalización de la estructura semántica

8.3.2 Valencias sintácticas y semánticas

9 La teoría Sentido – Texto

9

9.1 Transformador de etapas múltiples y patrones de manejo

9.2 Árboles de dependencias

9.3 Vínculos semánticos

9.4 Puntos de vista posibles sobre los lenguajes naturales

9.5 El lenguaje como un transformador bi-direccional

9.6 Texto, ¿qué es?

9.7 Significado, ¿qué es?

9.8 Dos maneras de representar el sentido

9.9 Descomposición y atomización del sentido

9.10 Carencia de unicidad del Mapeo de Sentido a Texto: Sinonimia

9.11 Carencia de unicidad de Mapeo de Texto a Sentido : Homonimia

9.12 Carácter multietapa del Transformador Significado a Texto

9.13 Traducción como una transformación multietapa

9.14 Los dos lados de un signo

9.15 Signo lingüístico

9.16 El signo lingüístico en la MTT

9.17 El signo lingüístico en HPSG

9.18 ¿Son los significantes dados por naturaleza o por convención?

9.19 Ideas generativas, de la MTT y de constricciones en comparación

9.20 Los rasgos principales de la MTT: dinamismo, formalidad, transformacionalidad, la adopción total de las nociones y tradiciones de la lingüística estructural.

10 Herramientas de software para el trabajo lexicográfico

9

10.1 Utilidades del procesamiento de textos

10.1.1 Grep, herramienta de búsqueda

10.1.2 Tr, herramienta de transliteración

10.1.3 Sort, herramienta de ordenamiento

10.1.4 Unique, herramienta para contar

10.2 El uso de todas las herramientas para el procesamiento de texto

10.2.1 Compilación de las elecciones tomadas de un diccionario


10.2.2 Compilación de una lista de palabras con una característica específica

10.2.3 Compilación de una lista de frecuencias de las palabras

10.3 Macrolenguajes para el trabajo lexicográfico

10.3.1 Construcciones básicas

10.3.2 Construcciones avanzadas

10.3.3 Ejercicios

10.4 Transformaciones del formato del archivo




ASIGNATURA APRENDIZAJE DE MAQUINA

No Tema TEMAS HORAS

1 Introducción

10

1.1 ¿Qué es el Aprendizaje Automático

1.1.1 Ajuste polinómico de la curva: Ejemplo

1.2 Teoría de probabilidad

1.3 Selección del modelo

1.4 La maldición de la dimensionalidad

1.5 Teoría de la decisión

1.6 Teoría de la información

2 Las distribuciones de probabilidad-Review

10

2.1 Las variables binarias

2.2 Las variables multinomiales

2.3 La distribución gaussiana

2.4 La familia exponencial

2.5 Los métodos no paramétricos

3 Modelos de regresión lineal para

10

3.1 Modelos lineales Función de base

3.2 El Bias-Descomposición de la varianza

3.3 Bayesiano Regresión Lineal

3.4 Modelo bayesiano Comparación

3.5 La aproximación Evidencia

3.6 Limitaciones de funciones de base fijos

4 Modelos lineales para la Clasificación

10

4.1 Funciones discriminantes

4.2 Modelos probabilísticos generativos

4.3 Modelos probabilísticos discriminativas

4.4 La aproximación de Laplace

4.5 Bayesiano de regresión logística

5 Los métodos kernel

10

5.1 Representaciones duales

5.2 Funcion de base radial

5.3 conjunto de equilibrio

5.4 Procesos gaussianos

6 Máquinas escasa Kernel

10 6.1 Margen máximo Clasificadores

6.1.1 La superposición de Clase Distribuciones


6.1.2 Relación con la regresión logística

6.1.3 SVM multiclase

6.1.4 SVMs para la regresión

6.1.5 Teoría del Aprendizaje Computacional

6.2 Relevancia máquinas de vectores

7 Modelos de la mezcla y EM

10

7.1 K-means clustering

7.2 Mezcla de gaussianas

7.2.1 Máxima verosimilitud

7.2.2 EM para Gaussian mezclas

7.3 Una visión alternativa de EM

7.4 El algoritmo EM en general

8 Las variables latentes continuas

10

8.1 Análisis de componentes principales

8.2 probabilístico PCA

8.3 kernel PCA

8.4 Modelos de variables latentes no lineal

9 la combinación de modelos

10

9.1 Modelo promedio bayesiano

9.2 comités

9.3 impulsar

9.4 Los modelos basados en árboles Condicional

9.5 modelos de mezcla




ASIGNATURA LINGÜÍSTICA COMPUTACIONAL I

No Tema TEMAS HORAS

1 Qué es la Lingüística Computacional y qué no lo es

9

1.1 La naturaleza aplicada de la lingüística computacional

1.2 Lingüística teórica y lingüística computacional

1.2.1 Estructura de la ciencia lingüística

1.2.2 El papel del conocimiento fundamental para la lingüística computacional

1.2.3 El papel de las herramientas de software y de los métodos computacionales en la investigación lingüística

1.2.4 Procesamiento del lenguaje natural como el objetivo principal de la lingüística computacional

1.3 Coordinación con la ciencia de computación

1.4 Coordinación con la Inteligencia Artificial

1.5 El papel del procesamiento de lenguaje natural

1.6 Los modelos en la lingüística computacional

1.7 La analogía entre un lenguaje natural y dispositivos de codificación / descodificación

1.8 Relaciones entre el sentido y la realidad. El conocimiento lingüístico y enciclopédico

2 Ramas de la lingüística

11

2.1 Lingüística computacional

2.2 Ingeniería lingüística

2.3 Lingüística de corpus

2.3.1 Ley de Zipf

2.3.2 Corpus representativo

2.3.3 Los corpus existentes (BNC, SemCor, NEGRA, PennTreeBank, etc.)

2.4 Psicolingüística

2.5 Neurolingüística

2.6 Sociolingüística

2.7 Lexicografía

2.8 Tipología

2.9 Lingüística computacional

2.10 Lingüística histórica

3 Historia de lingüística y PLN

9 3.1 Tradiciones lingüísticas antiguas (china, árabe, griega, india)

3.2 Lingüística histórica del siglo XIX

3.2.1 Ley de Grimm


3.3 Teoría de F. de Saussure

3.3.1 Signo lingüístico

3.3.2 Sincronía vs diacronía

3.3.3 Valor lingüístico

3.3.4 Social vs individual

3.4 Escuelas de estructuralismo

3.4.1 Escuela de Praga

3.4.2 Escuela de Copenhague

3.4.3 Descriptivismo norteamericano

3.5 Fuentes de PNL (1940-1950)

3.6 Paradigma estocástico y simbólico en PNL (1960-1990)

3.7 Empirismo y análisis de discurso en PNL(1980-2000)

3.8 Desarrollos recientes en el PLN(2000 en adelante)

4 Niveles de lenguaje y correspondientes módulos en sistemas de PLN

11

4.1 Fonética / fonología

4.2 Morfología

4.3 Sintaxis

4.4 Semántica

4.5 Pragmática y discurso

4.6 El lenguaje como un transformador a distintos niveles

5 Conceptos principales de fonética/fonología y fonología computacional.

9

5.1 Fonema y sonido Alófono

5.2 Distribución alternativa y variación libre

5.3 Características de sonido

5.4 Fonética acústica (generalidades)

5.5 Rasgos distintivos

5.6 Fonética articulatoria

5.7 Vocales y consonantes

5.8 Sistema fonológico del español

5.9 Sistema fonológico del inglés

5.10 Sílaba

5.11 Procesos morfonológicos

5.12 Prosodia

5.13 Implementación de reglas fonológicas

5.14 Transductores

5.15 Transcriptores automáticos

6 Fonología y ortografía

9

6.1 Principios de ortografía

6.2 Fonemas españoles y ortografía


6.3 Acento

7 Conceptos principales de morfología y sistemas de análisis morfológico automático

11

7.1 Morfema y morfo Alomorfo

7.2 Normalización morfológica. Lema. Paradigma

7.3 Representación morfológica de superficie y representación morfológica de profundidad

7.4 Categorías gramaticales

7.5 Problema de ambigüedad morfológica

7.5.1 Homónimos

8 Formación de palabras en español

9

8.1 Formación de sustantivos y adjetivos

8.1.1 Transformaciones entre niveles

8.1.2 Declinación en español: clases

8.1.3 Alternaciones ortográficas

8.1.4 Programación de declinación de sustantivos y adjetivos españoles

8.1.4.1 Conservando el lema como una parte invariable

8.1.4.2 Introduciendo los pseudofonemas en el lema

8.1.5 Dirección de análisis

8.2 Formación de verbos

8.2.1 Alternaciones ortográficas

8.2.2 Alternaciones morfonológicas

8.2.3 Programación de conjugación de verbos españoles

9 Conceptos principales de sintaxis y sistemas de análisis sintáctico automático

9

9.1 Oración

9.2 Expresiones estables

9.3 Combinación de palabras. Combinaciones exocentricos vs endocentricos

9.4 Dependencias y constituyentes

9.5 Analizadores sintácticos (pársers)

10 Conceptos principales de semántica y representación semántica para el análisis automático

9

10.1 Significado

10.2 Relaciones entre elementos del sistema léxico

10.3 Malapropismos. Métodos de detección de malapropismos

10.4 Redes semánticas

10.5 Grafos conceptuales

11 Conceptos principales de pragmática y sistemas de análisis de discurso. 9


11.1 Diálogos. Élipsis. Acto comunicativo

11.2 Coreferencia. Anáfora

11.3 Performativos

11.4 Resolución de anáfora directa

11.5 Resolución de anáfora indirecta

11.6 Coherencia de discurso




ASIGNATURA RECONOCIMIENTO DE PATRONES

No Tema TEMAS HORAS

1 Introducción

6

1.1 Panorama histórico (diversos enfoques de RP)

1.2 Conceptos básicos (aprendizaje supervisado y no supervisado)

1.3 Conjuntos fundamental y de prueba

1.4 Fase de aprendizaje. Fase de reconocimiento o clasificación de patrones

2 Clasificadores basados en métricas. Clasificador Euclideano 9

3 Clasificadores k-NN 9

4 Enfoque asociativo. Clasificador Asociativo (Lernmatrix y Linear Associator)

9

5 Memorias Asociativas: Hopfield, Morfológicas y Alfa-Beta 9

6 Enfoque neuronal. Neurona de McCulloch-Pitts y Perceptrón 8

7 Adaline y Madaline 7

8 Peceptrones Multicapa (MLPs) y Backpropagation 11

9 Enfoque Probabilístico-Estadístico. Clasificador bayesiano 9

10 Redes bayesianas 9

11 Máquinas de soporte vectorial 9

12 Aprendizaje no supervisado (Clustering) 9




ASIGNATURA ANÁLISIS DE IMÁGENES

No Tema TEMAS HORAS

1 Introducción

6

1.1 Qué es una imagen digital

1.2 Pasos fundamentales del procesamiento digital de imágenes (PDI)

1.3 Componentes de un sistema de PDI

2 Fundamentos de las imágenes digitales

2.1 Elementos de la percepción visual

2.2 Luz y espectro electromagnético

2.3 Mensaje y adquisición de imágenes

2.4 Muestreo y cuantificación de imágenes

2.5 Algunas relaciones básicas entre pixeles

2.6 Operaciones lineales y no-lineales

3 Mejoramiento de imágenes en el dominio espacial

10

3.1 Algunas transformaciones básicas en niveles de gris

3.2 Procesamiento de histogramas

3.3 Mejoramiento utilizando operaciones lógico/aritméticas

3.4 Filtros espaciales básicos

3.5 Filtros espaciales de suavizado

3.6 Filtros espaciales de agudizado

3.7 Combinación de métodos de mejoramiento espaciales

4 Procesamiento de imágenes en colores

12

4.1 Fundamentos del color

4.2 Modelos de color

4.3 Procesamiento de imágenes en seudocolor

4.4 Procesamiento de imágenes a pleno color

4.5 Transformaciones de color

4.6 Suavizado y agudizado

4.7 Segmentación del color

4.8 Ruido en las imágenes en colores

5 Procesamiento de imágenes morfológico

10

5.1 Conceptos básicos de la teoría de conjuntos

5.2 Dilatación y erosión

5.3 Apertura y clausura

5.4 La transformación acierta-o-falla

5.5 Algunos algoritmos morfológicos básicos

5.6 Extensiones a imágenes en niveles de gris


6 Segmentación de imágenes

12

6.1 Detección de discontinuidades

6.2 Enlace de aristas y detección de bordes

6.3 Umbralado

6.4 Segmentación basada en regiones

6.5 Segmentación por cuencas morfológicas

7 Representación y descripción de imágenes

12

7.1 Representación

7.2 Descriptores de bordes

7.3 Descriptores regionales

7.4 Descriptores relacionales

8 Reconocimiento de objetos

10 8.1 Patrones y clases de patrones

8.2 Métodos estructurales

9 Aplicaciones del análisis de imágenes digitales

10

9.1 En la medicina

9.2 En la industria

9.3 En las ciencias de la Tierra

9.4 Otras aplicaciones




ASIGNATURA REDES ESTOCASTICAS

No Tema TEMAS HORAS

1 Proceso de Poisson

15

1.1 Definición y propiedades

1.2 Combinaciones y subdivisiones

1.3 proceso de Poisson no homogéneo (M / G / ∞ cola)

1.4 De tipo fase Distribuciones

2 cadenas de Estados Finitos de Markov de tiempo discreto

20

2.1 Clasificación de los estados

2.2 representación de la matriz

2.3 Perron-Frobenius Teoría

2.4 Cadenas de Markov con recompensas

2.5 teoría de la decisión de Markov

3 Cadenas de Markov continuos con espacios contable infinito Estado

20

3.1 Nacimiento y muerte Cadenas de Markov

3.2 sistema de BCD

3.3 sistemas de nacimiento y de defunción multidimensionales (tráfico mixto)

3.4 Macro-estados (reserva de prioridad)

3.5 Colas en tándem

3.6 Cadenas de Markov reversible

3.7 Procesos Semi-Markov

3.8 Ley de Little

4 Cadenas de Markov continuos con espacios Contable del Estado

20

4.1 sistemas BCC

4.2 Redes abiertas Jackson

4.3 Redes cerradas Jackson

4.4 Las colas cíclicos

4.5 Extensiones de Redes Jackson

4.6 Non-Jackson Networks

5 Otros modelos

20

5.1 Proceso ON / Off

5.2 de entrada a granel

5.3 servicio de mayor

5.4 Modelos Erlangian

5.5 Entrada general, servicios generales

5.6 M / D / s colas




ASIGNATURA BASES DE DATOS Y TUNING

No Tema TEMAS HORAS

1 Introducción y conceptos generales

10

1.1 Concepto de Sistema Administrador de Base de Datos (SABD).

1.2 Propósito de un SABD.

1.3 Arquitectura de un SABD.

1.4 Vistas de datos.

1.5 Almacenamiento, recuperación y consultas en un SABD.

1.6 Estructuras de indexamiento para archivos

2 El Modelo Relacional

10

2.1 Modelo de Datos Entidad-Relación

2.2 Restricciones

2.3 Diagrama Entidad-Relación

2.4 Modelo Relacional de una Base de Datos

2.5 Algebra y Cálculo Relacional.

3 El lenguaje SQL

10

3.1 Definición de datos usando SQL

3.2 Operaciones básicas de SQL

3.3 Operaciones de conjuntos

3.4 Operaciones de agregación

3.5 Subconsultas anidadas

3.6 Expresiones de unión

3.7 Vistas

3.8 Transacciones

3.9 Restricciones de integridad

3.10 Funciones y procedimientos

3.11 Disparadores «Triggers»

3.12 Consultas avanzadas

4 Normalización de datos

10

4.1 Dominios atómicos y la primera forma normal

4.2 Descomposición usando dependencias funcionales

4.3 Teoría de las dependencias funcionales

4.4 Algoritmos para descomposición

4.5 Descomposición usando dependencias multivaluadas

4.6 Otras formas normales

5 Procesamiento de Consultas 10

5.1 Medidas del costo de una consulta


5.2 Operación de selección

5.3 Ordenamiento

5.4 Operaciones de unión

6 Optimización de consultas

10

6.1 Transformación de expresiones relacionales

6.2 Estadísticas de estimación de resultado de expresiones

6.3 Elección de planes de evaluación

6.4 Vistas materializadas

6.5 Tópicos avanzados en optimización de consultas

7 Manejo de transacciones

10

7.1 Modelo de transacción simple

7.2 Estructura de almacenamiento

7.3 Atomicidad y durabilidad en transacciones

7.4 Aislamiento de transacciones

7.5 Serialización de transacciones

7.6 Aislamiento y atomicidad en transacciones

7.7 Niveles de aislamiento en transacciones

8 Control de concurrencia

10

8.1 Protocolos de bloqueo

8.2 Manejo de abrazos mortales

8.3 Granularidad Múltiple

8.4 Protocolos basados en marcas de tiempo

8.5 Protocolos basados en validación

8.6 Esquemas multiversión

8.7 Trabajo de la consistencia en la práctica

9 Recuperación del sistema

10

9.1 Clasificación de fallas

9.2 Recuperación y atomicidad

9.3 Algoritmo de recuperación

9.4 Manejo del buffer

9.5 Fallas con pérdida de almacenamiento no volátil

9.6 Liberación temprana de candados y operaciones lógicas de deshacer

9.7 Sistemas de respaldo remoto




ASIGNATURA PROGRAMACIÓN DE GPU

No Tema TEMAS HORAS

1 SUPERCOMPUTADORAS Y UNIDADES DE PROCESAMIENTO GRAFICAS

20

2 PROGRAMACION BASICA

27 2.1 COMPLEJIDAD COMPUTACIONAL

2.2 CONCEPTOS BASICOS DE PROGRAMACION PARALELA

3 PROGRAMACION DE PROPOSITO GENERAL EN SUPERCOMPUTADORAS

24 3.1 CUDA

3.2 THRUST

3.3 MANEJO DE MEMORIA

3.4 MATRICES Y ARREGLOS

4 PROGRAMACION ESPECIALIZADA GRAFICA EN SUPERCOMPUTADORAS

24

4.1 FUNDAMENTOS DE COMPUTACION GRAFICA

4.2 OPENGL BASICO

4.3 PIPELINE GRAFICOS

4.4 C GRAFICO

4.5 PROGRAMACION DE VERTICES

4.6 PROGRAMACION DE FRAGMENTOS

4.7 ILUMINACION Y RENDERIZADO




ASIGNATURA SISTEMAS EMBEBIDOS

No Tema TEMAS HORAS

1 Introducción a los sistemas embebidos

20

1.1 Antecedentes y estructura general.

1.2 Plataformas de Hardware, Software, sistemas operativos e interfaces.

1.3 Clasificación en el ámbito del diseño electrónico digital.

1.4 Conceptos de Softcore y modelo de arquitectura abierta.

1.5 Tolerancia a fallos y limitaciones.

1.6 Tolerancia a fallos y limitaciones.

2 Modelos de validación y prueba.

20

2.1 Comunicación entre dispositivos: estándares de interconectividad alambrada e inalámbrica.

2.2 Lenguajes de alto nivel.

2.3 Concepto de Middleware.

2.4 Codiseño.

3 Sistemas embebido con base en microcontrolador

30

3.1 Características.

3.2 Herramientas de desarrollo.

3.3 Lenguaje de programación.

3.4 Programación en sitio y validación.

3.5 Comunicación serial alambrada e inalámbrica.

3.6 Módulos especiales para extensión de comunicaciones.

4 Sistema embebido con base en dispositivo de lógica programable

30

4.1 Características.

4.2 Herramientas de desarrollo.

4.3 Lenguaje de programación.

4.4 Programación en sitio y validación.

4.5 Comunicación serial alambrada e inalámbrica.

4.6 Módulos especiales para extensión de comunicaciones.




ASIGNATURA SUPERCOMPUTO PARA APLICACIONES DESAFIANTES

No Tema TEMAS HORAS

1 Introducción 9

2 Introducción a la Simulación Numérica 9

3 Solución de Gran Escala sistemas de ecuaciones lineales 12

4 Casos prácticos 9

5 Introducción al núcleo del DBMS y la ejecución de consultas en tales sistemas

9

6 granos grandes volúmenes de datos y bases de datos del gráfico

12

7 Evaluación comparativa de Bases de Datos 12

8 Sequence Alignment 12

9 dinámica molecular 12

10 Acoplamiento proteína-proteína 12




ASIGNATURA ROBOTICA AVANZADA

No Tema TEMAS HORAS

1 Introducción 20

2 Fundamentos 20

3 Sincronización de robots. 20

4 Robótica cooperativa. 20

5 Micro y nano robótica. 20

6 Robótica bio-inspirada. 20




ASIGNATURA REDES NEURONALES ARTIFICIALES

No Tema TEMAS HORAS

0 Reflexión inicial: comparativa entre el cerebro humano y la

computadora 2

1 Modelos asociativos avanzados

12

1.1 Memorias asociativas morfológicas

1.2 Modelos asociativos alfa-beta

1.3 Extensiones

1.4 Memorias asociativas medianas

1.5 Modelos asociativos basados en otros operadores

1.6 Modelos asociativos híbridos

1.7 Memorias asociativas con sinapsis dinámicas

1.8 Evolución de operadores de asociación

2 Redes neuronales morfológicas (RNM) y RNM con procesamiento en

sus dendritas

9

2.1 Introducción

2.2 Perceptrón morfológico (PM)

2.3 Entrenamiento del perceptrón morfológico

2.4 Redes neuronales de PMs

2.5 Entrenamiento de redes neuronales de PMs

2.6 Perceptrón morfológico con procesamiento en sus dendritas (PMPD)

2.7 Entrenamiento del PMPD

2.8 Redes neuronales de PMPDs

2.9 Entrenamiento de redes neuronales de PMPDs

3 Redes neuronales basadas en el método de núcleos

6

3.1 Introducción

3.2 El método de los núcleos

3.3 Redes de base radial

3.4 Métodos de entrenamiento

4 Máquinas con vectores soporte (MVS)

12

4.1 Introducción

4.2 MVS para el caso lineal

4.3 Diseño de MVS lineales

4.4 MVS para el caso no lineal

4.5 Diseño de MVS no lineales

5 Mapas auto-organizados (MAO) 9

5.1 Introducción


5.2 Modelo básico de los MAOs

5.3 Características de un MAO

5.4 Propiedades de un MAO

5.5 Cuantización vectorial jerarquizada

5.6 MAOs núcleo

6 Redes neuronales pulsantes (RNP)

18 6.1 Introducción

6.2 Modelos de RNPs

6.3 Entrenamiento de RNPs

7 Neurodinámica

20

7.1 Introducción

7.2 Redes neuronales recurrentes o recursivas

7.3 Sistemas dinámicos

7.4 Espacios de estados

7.5 Estabilidad de estados de equilibrio

7.6 Definiciones de estabilidad

7.7 Teoremas de Lyapunov

7.8 Sistemas dinámicos conservativos y disipativos

7.9 Atractores

7.10 Modelos aditivos

7.11 Redes recurrentes

7.12 El modelo de Hopfield como representativo

8 Redes neuronales recurrentes con dinámica

18

8.1 Introducción

8.2 Arquitecturas de redes recurrentes

8.3 El teorema universal de la aproximación

8.4 Poder computacional de las redes recurrentes

8.5 Algoritmos de aprendizaje




ASIGNATURA Reconocimiento de formas y visión por computadora

No Tema TEMAS HORAS

1 Introducción

18

1.1 Comparación entre el sistema visual de los mamíferos y de una computadora.

1.2 Diferencias y similitudes entre el tratamiento y análisis de imágenes, visión por computadora, reconocimiento de patrones y fotogrametría.

1.3 Componentes de un sistema para el reconocimiento automatizado de objetos (SRAO).

1.4 Operación de un (SRAO).

1.5 Propiedades deseables de un rasgo descriptor.

2 Fundamentos

18

2.1 Función imagen, imagen digital e imagen binaria.

2.2 Métricas, vecindades, puntos y regiones vecinas y sus contornos.

2.3 Conectividad entre píxeles.

2.4 Regiones simplemente y múltiplemente conectadas.

2.5 Histograma de una imagen.

2.6 Complejidad de una imagen.

3 Adecuación de una imagen

18

3.1 Introducción.

3.2 Ruido en imágenes.

3.3 Tipos de ruido en imágenes.

3.4 Filtrado en el dominio de la frecuencia y espacial.

3.5 Filtrado no lineal.

3.6 Operaciones aritméticas y binarias sobre imágenes.

3.7 Operaciones de contrastado.

3.8 Transformada de distancia.

3.9 Operaciones de expansión y encogimiento.

3.10 Introducción a la morfología matemática.

3.11 Filtrado morfológico de imágenes.

3.12 Filtrado de contornos.

4 Segmentación de imágenes

18

4.1 Complejidad del problema de la segmentación de imágenes.

4.2 Técnicas manuales para el umbralado de imágenes.

4.3 Técnicas basadas en el umbralado.

4.4 Técnicas de umbralado adaptables.

4.5 Umbralado múltiple.

4.6 Técnicas de umbralado basadas en métodos bio-inspirados.


4.7 Etiquetado de regiones o componentes conectados.

4.8 Técnicas basadas en el crecimiento de regiones.

4.9 Técnicas basadas en la media desplazada.

4.10 El problema de la segmentación como un problema de clasificación.

5 Rasgos descriptivos

18

5.1 Introducción.

5.2 Propiedades deseables de un rasgo.

5.3 Índices visuales (bordes, contornos, puntos de interés, Transformada de Hough, detección de círculos, SIFT y SURF).

5.4 Rasgos geométricos (rasgos simples, rasgos complejos, momentos geométricos, métodos para la derivación de rasgos invariantes, métodos para el cálculo de los momentos).

5.5 Rasgos a partir de configuraciones de puntos.

5.6 Rasgos topológicos (Número de Euler, Coeficientes Imanantales).

6 Reconocimiento de objetos

18

6.1 Introducción.

6.2 Fundamentos.

6.3 Clasificadores basados en el cálculo de distancias.

6.4 Clasificadores estadísticos.

6.5 Clasificadores basados en la regionalización del espacio de rasgos.

6.6 Clasificadores neuronales.

6.7 Introducción a las máquinas con vectores soporte.




ASIGNATURA PROCESAMIENTO DIGITAL DE VIDEO

No Tema TEMAS HORAS

1 INTRODUCCIÓN

6 1.1 ¿Qué es un vídeo?

1.2 Aspectos fundamentales de la operación sobre vídeos

1.3 Componentes de un vídeo normal y compuesto

2 FUNDAMENTOS DE LAS PERCEPCIÓN VISUA

9

2.1 Elementos de la percepción visual

2.2 Luz y espectro electromagnético

2.3 Mensaje y adquisición de vídeos

2.4 Muestreo y cuantificación de vídeos

2.5 Algunas relaciones básicas entre tramas

2.6 Operaciones lineales y no-lineales

3 MEJORAMIENTO DE VÍDEO EN EL DOMINIO ESPACIAL

12

3.1 Algunas transformaciones básicas en niveles de gris

3.2 Procesamiento de histogramas

3.3 Mejoramiento utilizando operaciones lógico/aritméticas

3.4 Filtros espaciales básicos

3.5 Filtros espaciales de suavizado

3.6 Filtros espaciales de agudizado

3.7 Combinación de métodos de mejoramiento espaciales

4 PROCESAMIENTO DE VÍDEO A COLOR

9

4.1 Fundamentos del color

4.2 Modelos de color

4.3 Procesamiento de imágenes en seudocolor

4.4 Procesamiento de imágenes a pleno color

4.5 Transformaciones de color

4.6 Suavizado y agudizado

4.7 Segmentación del color

4.8 Ruido en las imágenes en colores

5 PROCESAMIENTO DE VÍDEO MORFOLÓGICO

12

5.1 Conceptos básicos de la teoría de conjuntos

5.2 Dilatación y erosión

5.3 Apertura y clausura

5.4 La transformación acierta-o-falla

5.5 Algunos algoritmos morfológicos básicos

5.6 Extensiones a imágenes en niveles de gris


6 SEGMENTACIÓN DE TRAMAS DE VÍDEO

12

6.1 Detección de discontinuidades

6.2 Enlace de aristas y detección de bordes

6.3 Umbralado

6.4 Segmentación basada en regiones

6.5 Segmentación por cuencas morfológicas

7 REPRESENTACIÓN Y DESCRIPCIÓN DE VÍDEOS

12

7.1 Representación

7.2 Descriptores de bordes

7.3 Descriptores regionales

7.4 Descriptores relacionales

8 RECONOCIMIENTO DE OBJETOS EN VÍDEOS

12 8.1 Patrones y clases de patrones

8.2 Métodos estructurales

9 APLICACIONES DEL ANÁLISIS DE VÍDEOS DIGITALES

24

9.1 En la medicina

9.2 En la industria

9.3 En las ciencias de la Tierra





ASIGNATURA PROCESAMIENTO DIGITAL DE IMÁGENES

No Tema TEMAS HORAS

1 INTRODUCCIÓN 4

2 FUNDAMENTOS DE LAS IMÁGENES DIGITALES 12

3 ACONDICIONADO O PRE-PROCESAMIENTO DE UNA IMAGEN 12

4 FILTROS DE IMÁGENES EN EL DOMINIO ESPACIAL 15

5 PROCESAMIENTO DIGITAL DE IMÁGENES EN COLORES 15

6 REPRESENTACIÓN Y DESCRIPCIÓN DE IMÁGENES 15

7 RECONOCIMIENTO DE OBJETOS 15

8 PROCESAMIENTO DE IMÁGENES MORFOLÓGICO CON DSP o FPGA

21




ASIGNATURA PROCESAMIENTO DE VOZ

No Tema TEMAS HORAS

1 Introducción al procesamiento de voz.

12

1.1 Representación de la señal de voz en el dominio del tiempo y la frecuencia.

1.2 Calidad de la representación en forma digital.

1.2.1 Frecuencia de muestreo.

1.2.2 Cuantificación.

1.2.3 Segmentación en tiempo y fonética.

2 Características de la señal de voz

12

2.1 El proceso de generación y percepción de la voz.

2.2 Modelo del tracto vocal.

2.2.1 Parámetros característicos: formantes y tono fundamental

2.2.2 Tipos de fonemas. Clasificación. Articulación.

2.2.3 Representación en el dominio de la frecuencia; espectrogramas, características fonéticas.

2.2.4 Triangulo de las vocales.

2.2.5 Diptongos, semivocales, silbantes, oclusivos, nasales, vibrantes.

3 Sistemas de análisis y entrenamiento de voz

18 3.1 Software de análisis de señales

3.2 Software de extracción de parámetros de la voz.

3.3 Software de representación espectral.

4 Procesamiento digital de señales y métodos de análisis para el reconocimiento de voz (RV)

15

4.1 Preenfatizado.

4.2 Ventaneo.

4.3 El modelo de predicción lineal (LPC)

4.4 Coeficientes cepstrales CLPC.

4.5 Cepstrales MFCC

5 Extracción de parámetros de voz

15 5.1 Escala Bark

5.2 Parámetros MFCC.

6 Sistema HTK, herramientas .

12 6.1 Etiquetado de señales.

6.2 Extracción de parámetros.

6.3 Reconocimiento de fonemas

7 Modelos de reconocimiento de voz 12

7.1 Perceptrón multicapa


7.2 Caja de herramientas de redes neuronales de Matlab.

7.3 Modelos ocultos de Markov (HMM)

8 Aplicaciones

6 8.1 Representación paramétrica.

8.2 Interfaz de control por voz.

9 Prácticas 6




ASIGNATURA ESTRUCTURA DE DATOS AVANZADAS

No Tema TEMAS HORAS

1 Estructuras de datos elementales

6

1.1 Pilas y colas

1.2 Las listas enlazadas

1.3 La implementación de los punteros y objetos

1.4 En representación de tres en tres arraigados

2 Las tablas hash

9

2.1 mesas-dirección directa

2.2 Las tablas hash

2.3 Las funciones hash

2.4 direccionamiento abierto

2.5 hash perfecta

3 Los árboles de búsqueda binaria

9

3.1 Los árboles de búsqueda binaria

3.2 Consultar un árbol binario de búsqueda

3.3 La inserción y la gelificación

3.4 Aleatoriamente construida árboles binarios de búsqueda

4 Rojo-Negro Árboles

9

4.1 Propiedades de los árboles rojo-negro

4.2 rotaciones

4.3 Las inserciones

4.4 Supresión

5 Estructuras de datos de aumento

12 5.1 estadísticas de orden dinámicas

5.2 Cómo aumentar una estructura de datos

5.3 árbol de intervalo

6 Análisis amortizado

12

6.1 análisis agregado

6.2 El método de contabilidad

6.3 El método potencial

6.4 tablas dinámicas

7 B-Trees

9 7.1 Definición de los árboles B

7.2 Funciones básicas de los árboles B

7.3 Eliminación de una llave de un árbol B

8 Montones de Fibonacci 9


8.1 Estructura de los montones de Fibonacci

8.2 operaciones Fusionable-montón

8.3 La disminución de una clave y la eliminación de un nodo

8.4 Que limita el grado máximo

9 Van Emde Boas árboles

9 9.1 enfoques preliminares

9.2 Una estructura recursiva

9.3 El árbol de Van Emde Boas

10 Estructuras de datos para conjuntos disjuntos

12

10.1 operaciones disjuntos-set

10.2 -Lista enlazada representación de conjuntos disjuntos

10.3 bosque disjuntos-set

10.4 Análisis de Unión por el rango de compresión de caminos

11 Estructuras de datos para Cuerdas

12

11.1 Tries y trata comprimidas

11.2 Diccionarios que permiten errores en las consultas

11.3 sufijo árboles

11.4 sufijo arrays




ASIGNATURA MORFOLOGIA MATEMATICA

No Tema TEMAS HORAS

1 GENERALIDADES

13 1.1 Origen de la morfología matemática

1.2 Alcance del análisis de imágenes morfológico

2 NOCIONES BÁSICAS

13

2.1 De espacios continuos a espacios discretos

2.2 Imágenes discretas

2.3 Transformaciones de imagen a imagen

2.4 Operadores de conjuntos aplicados a imágenes

2.5 Relaciones de orden

2.6 Geometría discreta

2.7 Distancias discretas y funciones de distancia

2.8 Propiedades de las transformaciones de imagen

3 EROSIÓN Y DILATACIÓN

9

3.1 Elementos de estructura

3.2 Erosión

3.3 Dilatación

3.4 Propiedades

3.5 Enlaces con otras transformaciones

3.6 Sobre la selección del elemento de estructura

3.7 Gradientes morfológicos

3.8 Cálculo de erosiones y dilataciones

4 APERTURA Y CLAUSURA

9

4.1 Apertura morfológica

4.2 Clausura morfológica

4.3 Propiedades

4.4 Apertura y clausura algebraicas

4.5 Sombrero de copa

4.6 Gradiente multiescala

4.7 Una aplicación industrial

4.8 Cálculo de aperturas y clausuras

5 ACIERTA-O-FALLA Y ESQUELETOS

9

5.1 Transformación Acierta-o-Falla

5.2 Adelgazamiento y Acierto delgado

5.3 Engrosamiento y Fallo grueso

5.4 Esqueletos euclidianos


5.5 Esqueletos discretos

5.6 Cálculo de las transformaciones acierta o falla y de los esqueletos

6 TRANSFORMACIONES GEODÉSICAS

9

6.1 Transformaciones geodésicas elementales

6.2 Reconstrucción morfológica

6.3 Operadores basados en la reconstrucción

6.4 Interpolación de datos de contorno

7 MÉTRICAS GEODÉSICAS

9 7.1 Distancia geodésica

7.2 Operadores basados en la distancia geodésica

7.3 Geodesia generalizada

8 FILTRAJE.

9

8.1 Definición de filtro morfológico

8.2 Diseño de un filtro morfológico

8.3 Filtros secuenciales alternantes

8.4 Filtros autoduales

8.5 Mapeos conmutados

8.6 Una aplicación práctica

9 SEGMENTACIÓN

9

9.1 Técnicas de segmentación de imágenes

9.2 La transformación de cuencas

9.3 Segmentación controlada por marcadores

9.4 Estudio de casos

10 CLASIFICACIÓN

9 10.1 Técnicas de clasificación basada en pixeles

10.2 Agrupamiento basado en cuencas

10.3 Segmentación espacial subsecuente

11 CAMPOS DE APLICACIÓN

9

11.1 Geociencias y sensaje remoto

11.2 Ciencias de los materiales

11.3 Análisis de imágenes biológicas y médicas

11.4 Aplicaciones industriales

11.5 Identificación y control de seguridad

11.6 Procesamiento de documentos





ASIGNATURA MODELOS DE PROGRAMACIÓN PARALELA

No Tema TEMAS HORAS

1 Nociones básicas.

18

1.1 Introducción general a los sistemas computarizados.

1.2 Introducción a los sistemas de multiprocesamiento.

1.3 La taxonomía de Flynn: SISD, SIMD, MISD y MIMD.

1.4 Memoria compartida y distribuida.

1.5 Ejemplos de máquinas de multiprocesamiento.

1.6 Conceptos esenciales en el procesamiento distribuido y paralelo: Comunicación, Paralelismo y Sincronización.

2 Computación distribuida.

15 2.1 Algorítmica distribuida

2.2 Elementos de calidad de un algorítmo distribuido.

2.3 Programación distribuida sin usar lenguajes distribuidos.

3 Computación Paralela.

15

3.1 Programación paralela.

3.2 Fuentes de paralelismo.

3.3 Dominios de aplicación

3.4 Procesamiento paralelo: conceptos, elementos y notaciones

3.5 Análisis de los algoritmos paralelos.

4 Lenguajes de programación distribuida y paralela.

15 4.1 Lenguajes de programación sincrónicos: paso de mensajes,

remote procedure call.

4.2 Lenguajes de programación asíncronos.

4.3 Programación descriptiva y paralelismo: Estructuras de datos distribuidos, lenguajes funcionales y lógicos.

5 Modelos de Programación Paralela.

15 5.1 OpenMP.

5.2 Posix Threads.

5.3 OpenMPI, MPICH y MPICH 2.

6 Modelación Paralela.

15

6.1 Algoritmos de resolución de problemas: exclusión mutua y de elección.

6.2 Algoritmos de prevención y detección de interbloqueos.

6.3 Algoritmos para detectar el fin de la tarea.

6.4 Algoritmos para determinar el estado global del sistema.

6.5 Algoritmos de gestión de datos distribuidos y transferencia de datos.

6.6 Algoritmos de sincronización.


7 Programación en arquitecturas CUDA.

15 7.1 Arquitectura de las GPU.

7.2 Modelo de programación.

7.3 Programación basada en CUDA.




ASIGNATURA CONTROL DIFUSO

No Tema TEMAS HORAS

1 Introducción

15

1.1 Introducción al Diseño de sistemas de control convencional usando diagramas a bloques

1.2 Descripción del Modelado matemático

1.3 Descripción de los objetivos de diseño y evaluación de desempeño de un sistema

1.4 Descripción del diseño de controladores convencionales

1.5 Diseño de sistemas de control difusos usando diagramas a bloques

1.6 Descripción de los objetivos de diseño y evaluación de desempeño de un controlador

1.7 Descripción del diseño del controlador difuso

1.8 Evaluación de desempeño de un controlador difuso

1.9 Áreas de aplicación

2 Control difuso: lo básico

15

2.1 Introducción al control difuso

2.2 Controlador difuso: etrada – salida

2.3 Control difuso basado en la Base de Conocimiento con respecto al conjunto de reglas

2.4 Descripción de la Base de Conocimiento

2.5 Determinación de las reglas de inferencia

2.6 Conversión de decisiones en acciones: marco conceptual.

2.7 Visualización de la operación dinámica del control difuso

3 Sistema difuso

15

3.1 Variables lingüísticas, valores y reglas

3.2 Conjuntos difusos, logica difusa y reglas de inferencia

3.3 Fusificación

3.4 Mecanismo de inferencias

3.5 Clarificación- defusificación

3.6 Representación matemática de un sistema difuso

3.7 Sistemas difusos del tipo Takagi-Sugeno (TS)

4 Estructura de los modelos difusos

23

4.1 Estructura de los modelos difusos del tipo Takagi-Sugeno de orden cero y uno.

4.2 Modelo difuso con función de membresía multivariable difusa

4.3 Modelo difuso con reducción de entradas

4.4 Inversión del modelo difuso


4.5 Inversión del modelo difuso Takagi-Sugeno

4.6 Inversión del modelo de membresía difusa multivariable

4.7 Gradiente del modelo de Takagi-Sugeno

4.8 Gradiente del modelo de membresía difusa multivariable

5 Sistema de descripción difusa y control

23

5.1 Sistema de descripción difusa

5.2 Controladores dinámicos con retroalimentación

5.3 Parametrización lineal

5.4 Parametrización cuadrática

5.5 Parametrización cúbica

5.6 Aproximación de funciones no-lineales usando la descripción de Takagi-Sugeno

6 Control difuso

18

6.1 Introducción al control difuso

6.2 Control basado en el modelo difuso inverso

6.3 Introducción al control con ajuste de parámetros (control predictivo)

6.4 Control basado en el modelo de Takagi-Sugeno

6.5 Control para sistemas MIMO

6.6 Control difuso para sistemas tipo caja gris




ASIGNATURA CLASIFICACIÓN INTELIGENTE DE PATRONES

No Tema TEMAS HORAS

1 Introducción

30

1.1 Panorama histórico

1.2 Conceptos básicos

1.2.1 Patrón

1.2.2 Clasificación

1.2.3 Inteligencia

1.2.4 Rasgos o atributos

1.2.5 Dimensión

1.2.6 Estructura de un banco de datos (conjunto fundamental)

1.3 Tareas básicas en el reconocimiento de patrones

1.3.1 Clasificación

1.3.2 Regresión

1.3.3 Recuperación

1.3.4 Agrupamiento o clustering

1.4 Tipos de aprendizaje en el reconocimiento de patrones

1.4.1 Aprendizaje supervisado

1.4.2 Aprendizaje no supervisado

1.4.3 Relación entre los tipos de aprendizaje y las cuatro tareas básicas

1.5 Esquema general del proceso inherente a la clasificación inteligente de patrones

1.6 Propiedades de atributos, patrones y bancos de datos

1.6.1 Tipos de atributos

1.6.2 Valores perdidos y soluciones

1.6.3 Outliers

1.6.4 Solapamiento de clases y separabilidad lineal

1.7 Métodos de validación

1.7.1 Conjuntos en los que se divide el banco de datos: - Conjunto de aprendizaje o entrenamiento. -Conjunto de prueba

1.7.2 Resubstitution error

1.7.3 Leave one out

1.7.4 Hold out

1.7.5 K-fold-cross validation

1.7.6 Bootstrap

1.7.7 Otros

1.8 Esquema general de un algoritmo clasificador inteligente de patrones


1.8.1 Base conceptual o superestructura

1.8.2 Fase de aprendizaje o entrenamiento

1.8.3 Fase de clasificación inteligente de patrones

1.9 Clasificadores de patrones como optimizadores de funcion

1.10 Teorema "No free lunch"

2 Clasificadores basados en métricas

12 2.1 Clasificador euclidiano (minimum distance classifier)

2.2 Clasificador kNN

2.3 Ejemplos de métricas diferentes a la distancia euclidiana

3 Clasificadores basados en conceptos de probabilidad y estadísti

12 3.1 Teorema de Bayes

3.2 Naïve Bayes

4 Árboles

12 4.1 ID3

4.2 C4.5

5 Redes neuronales

12 5.1 Neurona de McCulloch-Pitts

5.2 Perceptrón de Rosenblatt

5.3 MLP

6 Máquinas de Soporte Vectorial (SVM) 12

7 Introducción a las memorias asociativas 9

8 Pruebas de significancia estadística

9 8.1 Pruebas paramétricas y no paramétricas

8.2 Pruebas para dos muestras relacionadas

8.3 Pruebas para más de dos muestras relacionadas

9 PROYECTOS

9.1 Redes Bayesianas

9.2 Ensambles de clasificadores

9.3 Clustering

9.4 Regresión lineal

9.5 Métricas de rendimiento: Matriz de confusión, AUC, Kappa y F-measure

9.6 Introducción al tema: "feature selection"




ASIGNATURA REDES NEURONALES AVANZADAS

No Tema TEMAS HORAS

0 Reflexión inicial: comparativa entre el cerebro humano y la computadora

2

1 Modelos asociativos avanzados

12

1.1 Memorias asociativas morfológicas

1.2 Modelos asociativos alfa-beta

1.3 Extensiones

1.4 Memorias asociativas medianas

1.5 Modelos asociativos basados en otros operadores

1.6 Modelos asociativos híbridos

1.7 Memorias asociativas con sinapsis dinámicas

1.8 Evolución de operadores de asociación

2 Redes neuronales morfológicas (RNM) y RNM con procesamiento en sus dendritas

9

2.1 Introducción

2.2 Perceptrón morfológico (PM)

2.3 Entrenamiento del perceptrón morfológico

2.4 Redes neuronales de PMs

2.5 Entrenamiento de redes neuronales de PMs

2.6 Perceptrón morfológico con procesamiento en sus dendritas (PMPD)

2.7 Entrenamiento del PMPD

2.8 Redes neuronales de PMPDs

2.9 Entrenamiento de redes neuronales de PMPDs

3 Redes neuronales basadas en el método de núcleos

6

3.1 Introducción

3.2 El método de los núcleos

3.3 Redes de base radial

3.4 Métodos de entrenamiento

4 Máquinas con vectores soporte (MVS)

12

4.1 Introducción

4.2 MVS para el caso lineal

4.3 Diseño de MVS lineales

4.4 MVS para el caso no lineal

4.5 Diseño de MVS no lineales

5 Mapas auto-organizados (MAO) 9

5.1 Introducción


5.2 Modelo básico de los MAOs

5.3 Características de un MAO

5.4 Propiedades de un MAO

5.5 Cuantización vectorial jerarquizada

5.6 MAOs núcleo

6 Redes neuronales pulsantes (RNP)

18 6.1 Introducción

6.2 Modelos de RNPs

6.3 Entrenamiento de RNPs

7 Neurodinámica

21

7.1 Introducción

7.2 Redes neuronales recurrentes o recursivas

7.3 Sistemas dinámicos

7.4 Espacios de estados

7.5 Estabilidad de estados de equilibrio

7.6 Definiciones de estabilidad

7.7 Teoremas de Lyapunov

7.8 Sistemas dinámicos conservativos y disipativos

7.9 Atractores

7.10 Modelos aditivos

7.11 Redes recurrentes

7.12 El modelo de Hopfield como representativo

8 Redes neuronales recurrentes con dinámica

18

8.1 Introducción

8.2 Arquitecturas de redes recurrentes

8.3 El teorema universal de la aproximación

8.4 Poder computacional de las redes recurrentes

8.5 Algoritmos de aprendizaje




ASIGNATURA Lingüística computacional II (Aplicaciones de la lingüística

computacional)

No Tema TEMAS HORAS

1 Inventario de sistemas de lingüística computacional

7

1.1 Sistemas de formateo y de corrección de errores

1.2 Sistemas de referencia y educativos

1.3 Sistemas de extracción de información y minería de datos

1.4 Sistemas de traducción automática

1.5 Interfaces de lenguaje natural

1.6 Sistemas de reconocimiento de caracteres y voz

1.7 Sistemas de generación de resúmenes

1.8 Sistemas de minería de opiniones y análisis de sentimiento

1.9 Sistemas de comprensión de textos y extracción de conocimientos

2 Clasificación de los sistemas aplicados

7 2.1 Clasificación de acuerdo a la función

2.2 Clasificación de acuerdo a los métodos utilizados

2.3 Sistemas inteligentes y no inteligentes

3 Formateo y separación de palabras para final de renglón

7 3.1 Separación por sílabas

3.2 Separación por sílabas basada en la fonética

3.3 Separación inteligente

4 Verificación de errores y corrección

12

4.1 Tareas de verificación de errores

4.2 Verificación de ortografía y corrección

4.3 Métodos de verificación gramatical

4.4 Métodos de verificación de estilo

5 Sistemas de referencia y educativos

7 5.1 Diccionarios tradicionales

5.2 Tipos modernos de diccionarios

6 Sistemas de extracción de información y minería de datos

12

6.1 Tareas de extracción de información y minería de datos

6.2 Sistemas de extracción de documentos

6.3 Sistemas de navegación de datos

6.4 Sistemas de generalización de información

7 Sistemas de traducción

7 7.1 Generación de sistemas de traducción

7.2 Sistemas de traducción no inteligentes


7.3 Traducción inteligente

7.4 Métodos de traducción automática

8 Interfaces del lenguaje natural

7

8.1 Un sistema de interface del lenguaje natural como un sistema de Significado <->Texto

8.2 Características del discurso en diálogo

8.3 Sistemas gobernados por la pragmática

8.4 Sistemas inteligentes de diálogo

9 Sistemas para la generación de texto

6

9.1 Sistemas no inteligentes de generación de textos

9.2 Generación de textos como la transformación de Significado <->Texto

9.3 Problemas en la generación de textos

9.4 El uso de los pronombres

9.5 Moldear las implicaciones y expectativas del lector

10 Sistemas de reconocimiento

7 10.1 Reconocimiento óptico caracteres

10.2 Reconocimiento del habla

11 Métodos de desambiguación de sentidos de palabras

6 11.1 Métodos estadísticos

11.2 Algoritmo de Lesk y sus variantes. Algoritmos de bolsa de palabras

11.3 Métodos de optimización para el algoritmo de Lesk

12 Sistemas de investigación científica

7 12.1 Bases de datos léxicas

12.2 Etiquetadores de las categorías gramaticales (taggers)

12.3 Analizadores sintácticos (parsers)

13 Minería de opiniones y análisis de emociones

5 13.1 Minería de opiniones

13.2 Análisis de sentimientos y emociones

14 Sistemas de generación de resúmene

5 14.1 Tipos de resúmenes

14.2 Evaluación de los sistemas de generación de resúmenes

14.3 Métodos existentes




ASIGNATURA TRANSFORMADAS MATEMATICAS PARA IMÁGENES

No Tema TEMAS HORAS

1 Conceptos básicos de transformadas matemáticas 6

2 Series y representaciones paramétricas 6

3 Transformada de Laplace y transformada Z 9

4 Transformada de Fourier 18

5 Otras transformadas de imagen separables 9

6 Transformadas basadas en componentes principales 7

7 Transformadas morfológicas 9

8 Transformadas homotópicas 7

9 Wavelets 9

10 Avances en transformadas de imagen 7

11 Compresión de imágenes basada en transformadas 9

12 Codificación y representación de imágenes basadas en transformadas

9

13 Modelado y reconocimiento de imágenes basados en transformadas

9

14 Aplicaciones especiales (e. g. percepción remota) 5




ASIGNATURA SISTEMAS INTELIGENTES DISTRIBUIDOS

No Tema TEMAS HORAS

1 Introducción.

12

1.1 Principales enfoques de Inteligencia Artificial: enfoque simbólico, enfoque dinámico

1.2 Inteligencia Artificial Distribuida: motivación de desarrollo de sistemas multi-agente.

1.3 Taxonomía de sistemas inteligentes distribuidos.

1.4 Perspectivas a considerar: perspectiva de agente, perspectiva de grupo, perspectiva de implementación, perspectiva de aplicación.

2 Arquitecturas de Agentes.

12

2.1 Tipos y programas de agentes: modelo genérico.

2.2 Agentes reactivos.

2.3 Agentes inteligentes: enfoque lógico.

2.4 Arquitectura BDI.

2.5 Arquitecturas con capas.

2.6 Discusión y conclusiones

3 Arquitectura BDI (creencias, deseos, intenciones)

18

3.1 Teoría de intención: conceptos principales

3.2 Modelo semántico

3.3 Relaciones entre modalidades: condiciones semánticas

3.4 Compromisos

3.5 Modelo de interacción: escenarios, roles, tipos de interacción, tipos de acciones


4 Programación orientada a agentes

12

4.1 Taxonomía de lenguajes de programación de agentes.

4.2 Programación orientada a agentes (POA) - programación en términos de actitudes mentales.

4.3 Estados mentales de agente. Lógica de conocimiento.

4.4 POA y POO: diferencias y similaridades.

4.5 Lenguaje Agent0

4.6 Lenguaje 3APL


5 Sistemas multiagentes (SMA)

18 5.1 Arquitecturas de SMA

5.2 Un modelo de sistema de agente: transporte, lenguaje, política, arquitectura.


5.3 Organización de un SMA: roles, normas, compromisos, permisos, etc.

5.4 Modelado de otros agentes en SMA


6 Comunicación entre agentes en SMA

9

6.1 Comunicaciones en sistemas multi-agente y necesidad en un lenguaje de comunicación entre agentes (LCA).

6.2 Requerimientos de lenguaje: forma, contenido, semántica, implantación, ambiente, factibilidad.

6.3 KQML - lenguaje de solicitud y manipulación de conocimiento.

6.4 Lenguaje de comunicación entre agentes: especificación de FIPA (Federación de Agentes Físicos Inteligentes).

6.5 Semántica formal de LCA.

6.6 Diferencias y similaridades entre FIPA LCA y KQML.


7 Intercambio de conocimiento en SMA

9

7.1 Formatos de intercambio de conocimiento: KIF, CAPNET KRF

7.2 Ontologías

7.3 Formato RDF y Web Ontology Language OWL


8 Modelos de cooperación y negociación entre agentes

9

8.1 Modelos de coordinación en SMA

8.2 Agentes cooperativos y competitivos

8.3 Protocolos de interacción: redes de contratos, subastas, brokering.

8.4 Formación de coaliciones en SMA


9 Aplicaciones de IAD en la industria

18

9.1 Tendencias de aplicación de TI y IAD en la industria

9.2 SMA y sistemas de manufactura holónica

9.3 Sistemas Híbridos Inteligentes en la industria petrolera





ASIGNATURA SISTEMAS DEDICADOS

No Tema TEMAS HORAS

1 INTRODUCCION

7 1.1 Definición de Sistemas Embebidos

1.2 Características y Aplicaciones

1.3 Tipos de Sistemas Embebidos

2 DISENO DE SISTEMAS EMBEBIDOS

15

2.1 Interfaces de Memoria

2.2 Sistemas en Chip, Redes en Chip

2.3 Coprocesamiento (ASICs y FPGAs)

2.4 Interfaces analógicas

2.5 Decisiones de diseño (Ahorro de energía, tolerancia a fallas, interrupciones, espacio de direccionamiento, etc.)

3 ARQUITECTURAS DE SOFTWARE PARA SISTEMAS EMBEBIDOS

22

3.1 Arquitecturas basadas en ejecución cíclica

3.2 Arquitecturas basadas en ejecución por interrupción

3.3 Arquitecturas basadas en ejecución por enlace de procesos

3.4 Arquitecturas basadas en ejecución por flujo de datos

4 PROCESADORES PARA SISTEMAS EMBEBIDOS

22

4.1 Definición y características del tipo de procesador (Costo, tamaño, espacio de direccionamiento, etc.)

4.2 Microcontroladores de 4 Bits

4.3 Microcontroladores y procesadores de 8 bits

4.4 Microcontroladores y procesadores de 16 y 32 bits

4.5 Procesadores de aplicación específica (DSP, MMX, Emotion Engine, etc.)

5 LENGUAGES DE PROGRAMACION EMPLEADOS EN SISTEMAS EMBEBIDOS

15 5.1

Características (Eficiencia, depuración, portabilidad, predictibilidad, etc.)

5.2 Lenguajes Ensamblador, C, C++, Java

6 SISTEMAS OPERATIVO

15

6.1 Características (Eficiencia, depuración, portabilidad, predictibilidad, etc.)

6.2 Modelo de programación

6.3 Soporte de dispositivos

6.4 Modelo de proceso

6.5 Elementos de uso (Costo, licenciamiento, etc)

7 SISTEMAS OPERATIVOS EN TIEMPO REAL 22


7.1 QNX

7.2 µCLinux

7.3 µC/OSII

7.4 VxWorks

7.5 Otros




ASIGNATURA RECONOCIMIENTO DE PATRONES II

No Tema TEMAS HORAS

1 Marco conceptual de la disciplina

15

1.1 Modelo cognitivo computacional

1.2 Percepción y retención

1.3 Comparación de patrones

1.4 Agrupamiento y clasificación

1.5 Inducción y nivel de abstracción

1.6 Áreas de aplicación

1.7 Estructura general de los sistemas

1.8 Relación con otras disciplinas

2 Marco teórico

21

2.1 Espacios de representación

2.2 Dominio de los rasgos descriptivos

2.3 Cardinalidad, Continuidad y Orden

2.4 Funciones de comparación (Semejanza y Diferencia)

2.5 Distancia sintáctica y funciones auxiliares

2.6 Normalización y escala

2.7 Particiones y Cubrimientos

3 Agrupamiento de patrones

30

3.1 Planteamiento general

3.2 Evaluación de agrupamientos (índices de calidad)

3.3 El principio fundamental de agrupamiento y clasificación

3.4 Agrupamiento particional

3.4.1 Determinación del número de grupos

3.4.2 Minimización de la varianza

3.4.3 Algoritmos (K-Means, K-Medoids, etc.)

3.4.4 Ventajas, desventajas y aplicaciones

3.5 Agrupamiento jerárquico

3.5.1 Dendrogramas y su representación

3.5.2 Agrupamiento Aglomerativo

3.5.3 Agrupamiento Divisivo

3.5.4 Algoritmos (HAC, DIANA, etc.)


3.6 Agrupamiento por densidad

3.6.1 Planteamiento y conceptos fundamentales

3.6.2 Vecindarios y vecinos


3.6.3 Alcanzabilidad y Denso-conexión

3.6.4 Patrones centrales, frontera y ruido

3.6.5 Algoritmos (DBSCAN, OPTICS, etc.)


3.7 Agrupamiento por representación en grafos

3.7.1 Grafos e Hipergrafos

3.7.2 Conexión y Partición de grafos

3.7.3 Algoritmos (Núcleos y Nubes, etc.)

3.7.4 Planteamiento difuso


3.8 Otras formas de agrupamiento

3.8.1 Agrupamiento por subespacios

3.8.2 Transformación del espacio

3.8.3 Agrupamiento conceptual

4 Clasificación de patrones

30

4.1 Planteamiento general

4.2 Muestra de supervsión y Muestra de control

4.3 Representantes de clase

4.4 Validación cruzada

4.5 Mejor y peor muestra de supervisión

4.6 Evaluación de clasificaciones

4.6.1 Matriz de confusión

4.6.2 Precisión y Sensibilidad (Precision & Recall)

4.6.3 Especificidad

4.6.4 Curvas ROC

4.7 Clasificación por votación

4.7.1 Conjuntos de apoyo y precedencias parciales

4.7.2 Algoritmos (ALVOT y variantes)

4.8 Clasificación bayesiana

4.8.1 Teorema de Bayes y estimadores

4.8.2 Algoritmos (EM y variantes)

4.9 Clasificación por Caracterización

4.9.1 Modelos de caracterización

4.9.2 Algoritmos (KORA, CR+, etc.)

5 Modelos mixtos 12




ASIGNATURA COMPUTO EN LA NUBE

No Tema TEMAS HORAS

0 Reflexión inicial: comparativa entre las diversas formas de generar cómputo

2

1 Modelos de programación

12

1.1 Características de diseño de la memoria compartida

1.2 Paso de mensajes

1.3 Estructura modular, flujo de programa y comunicación de Apache Hadoop (HDFS)

1.4 Modelos de programación (MapReduce, Dryad, Pregel, GraphLab, entre otros)

1.5 Relación entre los modelos de programación y la arquitectura del sistema

2 Virtualización

12

2.1 Tipos de virtualización

2.2 Virtualización de recursos

2.3 Gestión distribuida de recursos

2.4 Supervisión distribuida

2.5 Programación distribuida

2.6 Estudio de casos

3 Tecnologías de almacenamiento y sistemas distribuidos de archivos

15

3.1 Almacenamiento basado en la red adecuado para la nube: SAN, NAS y iSCSI

3.2 Arquitecturas: DFS basado en clúster y cliente-servidor

3.3 DFSS: comunicación, sincronización, replicación, tolerancia a fallos y seguridad

3.4 Sistemas de archivos distribuidos y paralelos

3.5 Estudio de casos: GFS y HDFS, PVFS, BigTable y HBase

4 Nuevas herramientas de nube

18 4.1 Ecosistema de Hadoop (Yarn, MapReduce, Pig, Flume, Scoop,

Mahout, Hive...)

4.2 Tareas de aprendizaje supervisado (agrupación y clasificación)

4.3 Construcción de aplicaciones distribuidas

5 Seguridad en la nube

15 5.1 Modelos de seguridad

5.2 Métodos de seguridad extremo a extremo

5.3 Políticas de seguridad y modelos de programación (APIs)

6 Calidad de servicio (QoS) 15


6.1 Acuerdos de nivel de servicio (SLA)

6.2 Tiempo de finalización

6.3 Disponibilidad

6.4 Tiempo de respuesta

7 Métricas de consumo de energía (nube verde)

18 7.1 Aplicaciones en la nube energéticamente compatibles

7.2 Centros de datos con fuentes de energía renovables

7.3 Unidades de procesamiento de bajo consumo de energía

diplomado en inteligencia artificial

Documents