Objetivo

Dirigido a

Conoce el aprendizaje profundo, potencializado a la visión por computador y el procesamiento de lenguaje natural.

Todo tipo de profesional que esté interesado o esté realizando investigación en ciencia de datos.
Con intereses por: investigación, investigación social, investigación clínica, herramientas de investigación, cuantificación de datos, gestión de datos, análisis de datos, analítica de datos, redes neuronales, transferencia de aprendizaje, series temporales, procesamiento de lenguaje natural, problemas de detección de objetos, problemas de segmentación semántica, analítica avanzada, aprendizaje de máquina, machine learning, sistemas inteligentes, modelos de clasificación, modelos de regresión, modelos de agrupamiento, visión por computador, ciencia de datos, Python, PyTorch, técnicas de analítica avanzada, deep learning, redes neuronales artificiales clásicas, redes neuronales convolucionales, clasificación de imágenes , redes neuronales recurrentes, long short-term memory, LSTM, ingeniería, ingeniería de datos, matemática, matemática cuántica.

HORARIO:

Sábados de
8:00 a.m. a 12:00 m.

INTENSIDAD:  24 horas

MODALIDAD:
Remota

INVERSIÓN:

Modalidad Remota 
$648.000

Beneficios

Entiende las redes neuronales recurrentes (RNN) y utilízalas para solucionar problemas.

Repasa los conceptos básicos de las redes neuronales artificiales clásicas.

Implementa las redes neuronales convolucionales (CNN) para clasificación de imágenes.

Descarga el contenido del programa

Institución de educación superior sujeta a la inspección y vigilancia del Mineducación.

COLEGIO MAYOR DE NUESTRA SEÑORA DEL ROSARIO

Derechos Pecuniarios, Reglamentos y Constituciones, Bienestar Universitario: Política y Programas / Protección de datos: Política - Solicitudes.

Personería Jurídica: Resolución 58 del 16 de septiembre de 1895 expedida por el Ministerio de Gobierno.

Machine Learning: introducción al aprendizaje profundo. 
Técnicas de analítica avanzada y aprendizaje de máquina

Fecha: 06 mar - 17 abr

Seminario

EMPIEZA AHORA

Déjanos tus datos y recibirás más información sobre este programa.

REGISTRARME

PAGO ONLINE

Autorizo el tratamiento de mis datos personales a la Universidad del Rosario bajo su Política de Tratamiento de Datos Personales.

EMPIEZA AHORA

Déjanos tus datos y recibirás más información sobre este programa.

REGISTRARME

PAGO ONLINE

Autorizo el tratamiento de mis datos personales a la Universidad del Rosario bajo su Política de Tratamiento de Datos Personales.

QUIERO VER EL CONTENIDO

La Universidad del Rosario, se reserva el cambio, modificación o ajuste de este programa, incluidos docentes

Alexander Caicedo Dorado

Coordinador académico

Experiencia académica: Ingeniero electrónico de la Universidad de Ibagué (2004), y magíster en Ingeniería de Control Industrial con énfasis en procesos biotecnológicos de la misma universidad (2007). Realizó sus estudios doctorales en ingeniería en la Universidad Católica de Lovaina (KULeuven), Bélgica, (2013).

Experiencia laboral: Fue investigador postdoctoral en la KULeuven, Bélgica (2013 - 2018), y realizó estancias de investigación en La Universidad de Londres (University College London, UCL), Inglaterra, Universidad de Bern, Suiza, y la Universidad de Sydney, Australia. Su área de investigación se centra en el desarrollo de modelos matemáticos para el diseño de sistemas de monitoreo cerebral en niños prematuros. Actualmente es profesor en el Departamento de Matemáticas Aplicadas y Ciencias de la Computación de la Universidad del Rosario.

Información Destacada

Este curso busca enseñar los conceptos de las redes neuronales artificiales profundas y su aplicación en diversos campos tan variados como la medicina, ingeniería, economía, etc.

Comprende el concepto de la transferencia de aprendizaje como segmentación semántica.

Conoce las redes neuronales convolucionales aplicadas en problemas de segmentación

Implementa las redes neuronales en problemas de detección de objetos.

Aplica el modelo real de clasificación o regresión usando redes neuronales profundas.

Equipo docente 

Experiencia académica: Físico e Ingeniero Electrónico (2006) de la Universidad Industrial de Santander (UIS), Bucaramanga, Colombia. Tiene una maestría en Ingeniería Electrónica de la UIS (2010), donde estuvo becado en un proyecto de investigación con Colciencias para la evaluación de la termografía infrarroja en el cáncer de mama. Ganó una beca predoctoral, con la cuál realizó su PhD en Ingeniería Biomédica (2015) en la Universidad Politécnica de Cataluña, en Barcelona, España. En su Doctorado, investigó en el reconocimiento automático de células linfoides malignas relacionadas a Linfomas y Leucemias.

Experiencia laboral: Fue investigador postdoctoral (2016) en el centro internacional de métodos numéricos en ingeniería (CIMNE) y realizó otra estancia postdoctoral en la Universidad Politécnica de Cataluña (2018) . Ha sido consultor del Hospital Clínic de Barcelona (2019) en temas de estadística, aprendizaje automático y aprendizaje profundo. Actualmente es profesor en la Escuela de Ingeniería, Ciencia y Tecnología de la Universidad del Rosario.

Edwin Santiago Alférez Baquero

Pre requisitos

Conocimientos básicos en redes neuronales artificiales y aprendizaje de máquina.