Skip to content

Latest commit

 

History

History
96 lines (52 loc) · 7.16 KB

intro.md

File metadata and controls

96 lines (52 loc) · 7.16 KB
Raw

Información del curso abierto

Bienvenid@s al curso de Inteligencia Artificial para las Ciencias y las Ingenierías. Este es un CURSO ABIERTO, que está basado sobre el curso análogo que ofrecemos en la Facultad de Ingeniería, en la Universidad de Antioquia, en Medellín, Colombia.

SI ESTÁS MATRICULADO EN LA MATERIA EN LA FACULTAD DE INGENIERÍA DE LA UDEA accede a ESTA PÁGINA

<iframe width="560" height="315" src="https://www.youtube.com/embed/7zkdXumgkVk" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>

Registro y plataforma

En el menú de la izquierda podrás navegar por los materiales del curso, acceder a los videos notebooks y talleres.

Rellena ESTE FORMULARIO para recibir una invitación para unirte formalmente al curso y a la plataforma de seguimiento.

Una vez registrado podrás entrar a la PLATAFORMA DE SEGUIMIENTO y acceder a las evaluaciones automáticas y en línea del curso y al certificado final del mismo.

Revisa estos dos vídeos para ver cómo se interacciona con los materiales del curso:

Discusiones, Q&A, incidencias

Indícanos cualquier duda, sugerencia o incidencia, o inicia una discusión con la comunidad del curso en el siguiente foro. Las discusiones son en abierto. Si quieres participar tendrás que utilizar tu usuario Github.

FORO DE DISCUSIONES DEL CURSO

Dirigido a

  • quien tenga interés en aplicar IA basada en Machine Learning en la práctica.

Diseñar y aplicar soluciones basadas en IA pasa por adquirir un conocimiento técnico concreto, tengas un perfil técnico, ingeniero o de gestión. Creemos firmemente que esta base técnica es INDISPENSABLE para poder diseñar, construir, evaluar, subcontratar, coordinar, ... cualquier sistema que pretenda usar técnicas de IA.

Dedicación

Si ya conoces Python y tienes bases de algorítmica, el curso te llevará aproximadamente 40 horas de dedicación. Si vas a aprender Python con el curso necesitarás aprox 60 horas, dependiendo de tus conocimientos previos.

El curso lo puedes hacer a tu propio ritmo, usando los videos, talleres autocorregibles y foros del curso. Te recomendamos que organices tu tiempo para seguirlo de manera pausada pero constante.

Por nuestra experiencia, una dedicación de entre 5 horas a la semana repartidas en dos o tres sesiones semanales es lo ideal.

Con los siguientes principios

  • Aprender cualquier materia pasa por cometer todos los posibles errores. El curso está diseñado sobre Jupyter Notebooks ejecutables directamente en Google Colab para que interacciones directamente con el contenido y construyas tu propia experiencia.
  • Debes de aceptar el reto de programar en Python. Un módulo del curso está dedicado a Python para que aprendas o refresques.
  • Cualquiera puede aprender a programar (Python). Por ejemplo, si has hecho una fórmula o una macro en Excel, ya has programado. Si nunca has usado un lenguaje de programación, tendrás que dedicarle un poco más de tiempo al curso. Si has usado otros lenguajes de programación, tendrás que acostumbrarte a la forma de programar de Python.
  • Huímos de cualquier idea fantasiosa de IA. Generamos modelos basados en los datos, que funcionarán mejor o peor, serán más o menos útiles en tanto en cuanto entendamos y manejemos los procesos por los que creamos dichos modelos.
  • Este proceso es experimental e iterativo, la mayoría de las preguntas las responderemos implementando algún experimento con datos y entendiendo sus resultados.

Organización del contenido

  • El contenido de cada MÓDULO está desarrollado a través de vídeos explicativos y como Notebooks de Jupyter, en Python, ejecutables directamente sobre Google Colab.

  • Hay dos tipos de notebooks: (1) contenido y explicación que se usan para apoyar los conceptos que explicamos en los videos; y (2) laboratorios que tienes que resolver para consolidar tu aprendizaje.

  • Podrás acceder a videos y notebooks de contenido y de talleres.

  • Si, además, te registraste en nuestra plataforma de seguimiento podrás tener una evaluación en línea de las soluciones que desarrolles para los laboratorios y un certificado del curso si lo pasas.

Evaluación y certificado

  • Para pasar el curso abierto tendrás que solucionar al menos el 90% de los ejercicios de los laboratorios. Cada ejercicio y laboratorio se califica con una nota entre 0 y 5. Por tanto, tendrás que tener una calificación 4.5 o mayor para pasar el curso y obtener el certificado.

  • Si estás matriculado en una sesión como parte de un programa de la Universidad de Antioquia consulta la página correspondiente para informarte sobre las evaluaciones y las fechas límite para las entregas.

  • El certificado es emitido por nuestro grupo de investigación IN2LAB: Intelligent Information Systems Lab de la Facultad de Ingeniería de la Universidad de Antioquia, Medellín, Colombia, que está acreditado como A1 ante el Ministerio de Ciencias, de Colombia. Los profesores que estamos al frente de este grupo somos:

    • Raúl Ramos Pollán, Inteligencia artificial, Deep Learning. google scholar

    • Julián David Arias Londoño, Machine Learning, Deep Learning. google scholar

    • John Freddy Duitama Muñoz, Big Data, Procesamiento de grandes volúmenes de datos. google scholar

    • Danny Múnera, IoT, Procesamiento de Señal. google scholar

    • Diego Botia, Ingeniería del Software. google scholar

Descarga un ZIP con los notebooks del curso