SÍLABO

FACULTAD DE INGENIERÍA
MARZO 2022-AGOSTO 2022
NOMBRE DE LA ASIGNATURA CÓDIGO: 18576

REDES NEURONALES - GRUPO: 1

CARRERA COMPUTACION REDISEÑO

CICLO O SEMESTRE OCTAVO NIVEL EJE DE FORMACIÓN TITULACIÓN, PRAXIS PROFESIONAL

CRÉDITOS DE LA ASIGNATURA 2 MODALIDAD: PRESENCIAL

CARGA HORARIA
COMPONENTES DEL APRENDIZAJE Horas / Semana Horas / Periodo Académico

APRENDIZAJE EN CONTACTO CON EL DOCENTE (ACD) 4.0 64.0

APRENDIZAJE AUTÓNOMO (AA) 2.0 32.0

Total Horas: 6.0 96.0

PROFESOR(ES) RESPONSABLE(S):
VEINTIMILLA REYES JAIME EDUARDO - (J.V.) ( jaime.veintimilla@ucuenca.edu.ec ) PRINCIPAL

DESCRIPCIÓN DE LA ASIGNATURA:
Resumen descriptivo en torno al propósito, la estrategia metodológica y el contenido fundamental de la asignatura.

Esta asignatura pretende que el estudiante conozca los aspectos centrales de la inteligencia artificial y más precisamente sobre las las redes
neuronales artificiales. Adicionalmente, se pretende definir lo que es el aprendizaje profundo (deep Learning) el cual amplia el rango de la mayoría de
los problemas de inteligencia artificial tales como el reconocimiento de voz, la clasificación de imágenes, la respuesta a preguntas, el reconocimiento
óptico de caracteres la transformación del texto en voz.

REQUISITOS DE LA ASIGNATURA
Esta asignatura no tiene co-requisitos

PRE-REQUISITOS

Asignatura Código

REDES DE COMPUTADORES 17941

SEGURIDAD INFORMÁTICA 17942

INGENIERÍA DE SOFTWARE EMPÍRICA 17940

REPRESENTACION DEL CONOCIMIENTO 17939

OBJETIVO(S) DE LA ASIGNATURA:
Objetivos general y específicos de la asignatura en relación al Perfil de salida de la carrera.

Objetivo general: Comprender la naturaleza de las redes neuronales y su aplicabilidad en el mundo moderno.

Objetivos especificos:

1. Comprender dónde se aplican hoy en día estas técnicas y cómo se implementan

1
 2. Explicar las principales tendencias que impulsan el auge del aprendizaje profundo.

3. Conocer a detalle las redes neuronales artificiales

4. Examinar los conceptos sobre las características principales de las redes neuronales profundas, su aplicación en el aprendizaje supervisado y la
relevancia de utilizar estas técnicas

5. Conocer las aplicaciones más comunes en el campo del aprendizaje profundo

LOGRO DE LOS RESULTADOS DE APRENDIZAJE, INDICADOR(ES) Y ESTRATEGIA(S) DE EVALUACIÓN

Resultados o Logros de Aprendizaje (RdA's) de la Unidad de Organización Curricular (UOC) correspondiente, Indicadores y Estrategias de Evaluación de la
Asignatura, tomando como referencia el Perfil de salida (PdS) y la Organización Curricular (OC) del Proyecto de Carrera (PdC).

RESULTADOS O LOGROS DE
APRENDIZAJE
RdA1. Adquiere una perspectiva general de lo
que es la inteligencia artificial
INDICADORES
• Conoce la historia de la inteligencia artificial.
• Define con claridad los conceptos de IA,
sistemas inteligentes y las diferentes
estrategias de la IA
ESTRATEGIAS DE EVALUACIÓN
• ESTA ACTIVIDAD SERÁ EVALUADA A
TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
DE EJERCICIOS REALIZADOS POR LOS
ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.

RdA2. Conoce la diferencia entre aprendizaje
automático y aprendizaje profundo
• Conoce con claridad cuando aplicar
herramientas de aprendizaje automático
• Conoce con claridad cuando aplicar
herramientas de aprendizaje profundo
• ESTA ACTIVIDAD SERÁ EVALUADA A
TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
DE EJERCICIOS REALIZADOS POR LOS
ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.

RdA3. Conoce la utilidad de las redes
neuronales recurrentes
• Conoce cuando aplicar las redes neuronales
recurrentes
• Identifica como está compuesta una red
neuronal recurrente
• ESTA ACTIVIDAD SERÁ EVALUADA A
TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
DE EJERCICIOS REALIZADOS POR LOS
ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.

RdA4. Conoce la utilidad de las redes
neuronales convolucionales
• Conoce cuando aplicar las redes neuronales
recurrentes
• Identifica como está compuesta una red
neuronal convolucional
• ESTA ACTIVIDAD SERÁ EVALUADA A
TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
DE EJERCICIOS REALIZADOS POR LOS
ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.

RdA5. Analiza y diseña sistemas empleando
redes neuronales
• Conoce exactamente en que campos puede
aplicar la redes neuronales artificiales
• ESTA ACTIVIDAD SERÁ EVALUADA A
TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
DE EJERCICIOS REALIZADOS POR LOS
ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.

CONTENIDOS, SESIONES Y ACTIVIDADES DE APRENDIZAJE

Título de la Unidad, sub -unidades, nro. de sesión y actividades para los componentes de aprendizaje.

Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. INTRODUCCIÓN AL CURSO

1. VISIÓN GENERAL DEL CURSO, CONTENIDOS, 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 2 horas

METODOLOGÍA, RECURSOS A UTILIZAR, Y CONTACTO CON EL POR PARTE DEL DOCENTE
FORMAS DE EVALUACIÓN DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 2 horas

AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

2. INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO Y AL APRENDIZAJE PROFUNDO

2
 Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. definiendo aprendizaje profundo 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 4 horas
CONTACTO CON EL POR PARTE DEL DOCENTE
2. Aprendizaje Automático DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

3. Clasificación Binaria AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

4. Regresión 3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas

CONTACTO CON EL
5. Generalización DOCENTE (ACD)

6. Regularización

3. REDES NEURONALES ARTIFICIALES

1. ¿Qué es una red neuronal? 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 8 horas

CONTACTO CON EL POR PARTE DEL DOCENTE
2. Derivando las funciones de activación DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

3. Tipos de funciones de activación AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

4. Redes con propagación hacia atrás 3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas
CONTACTO CON EL
DOCENTE (ACD)

4. DIFERENCIACIÓN AUTOMÁTICA EN APRENDIZAJE PROFUNDO

1. Diferenciación Numérica 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 8 horas

CONTACTO CON EL POR PARTE DEL DOCENTE
2. Diferenciación Simbólica DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 6 horas

3. Fundamentos de diferenciación automática AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas

CONTACTO CON EL
DOCENTE (ACD)

5. ENTRENANDO MODELOS DE APRENDIZAJE PROFUNDO

1. Métricas de desempeño 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 8 horas

CONTACTO CON EL POR PARTE DEL DOCENTE
2. Obtención de datos DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

3. Dividiendo datos de entrenamiento, validación y AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS
prueba
3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas
4. Análisis de sobreentrenamiento y falta de CONTACTO CON EL
entrenamiento DOCENTE (ACD)

5. Manejo de hiper parámetros

6. REDES NEURONALES CONVOLUCIONALES

1. Operación de Convolución 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 8 horas

CONTACTO CON EL POR PARTE DEL DOCENTE
2. Operación de agrupación DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

3. Claves de aprendizaje de CNN AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas

CONTACTO CON EL
DOCENTE (ACD)

7. REDES NEURONALES RECURRENTES

1. Introducción 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 8 horas

CONTACTO CON EL POR PARTE DEL DOCENTE
2. Entrenamiento DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

3. Redes neuronales recurrentes bidireccionales AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

4. Memoria de larga duración 3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas

CONTACTO CON EL
DOCENTE (ACD)

8. AVANCES EN APRENDIZAJE PROFUNDO

3
 Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. Visión por computador 1 APRENDIZAJE EN PRESENTACIÓN DE CONTENIDOS 4 horas
CONTACTO CON EL POR PARTE DEL DOCENTE
2. Procesamiento de lenguaje natural DOCENTE (ACD)

2 APRENDIZAJE LECTURAS, TRABAJOS DE 4 horas

AUTÓNOMO (AA) INVESTIGACIÓN Y PROYECTOS

3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas

CONTACTO CON EL
DOCENTE (ACD)
APRENDIZAJE EN
CONTACTO CON EL 64 horas
DOCENTE (ACD)
APRENDIZAJE
AUTÓNOMO (AA) 32 horas

Total Planificación: 96 horas

RECURSOS O MEDIOS PARA EL APRENDIZAJE

Equipos, materiales, instrumentos tecnológicos, reactivos, entre otros, que serán utilizados durante el desarrollo de la asignatura.

• Aula de clase con pizarrón convencional

• Proyector digital

• Laboratorio de cómputo

CRITERIOS PARA LA ACREDITACIÓN DE LA ASIGNATURA

Parámetros de acreditación, tomando como referencia los Resultados de Aprendizaje (RdA's), indicadores y criterios de evaluación planteados y en base a
la normativa de evaluación y calificaciones vigente en la Universidad de Cuenca y Consejo de Educación Superior (CES).

CRITERIO GENERAL DE ACREDITACIÓN PUNTAJE

PRACTICAS 10
EXAMENES 50
PRUEBAS 40

TOTAL: 100

DETALLE DE CRITERIOS DE
PUNTAJE / CRITERIO GENERAL
ACREDITACIÓN
APROVECHAMIENTO I

Prácticas del primer parcial 5 PRACTICAS

C94

Pruebas de los capítulos 1,2,3 y 4 20 PRUEBAS

INTERCICLO
C95
Examen Interciclo 20 EXAMENES

APROVECHAMIENTO II

Prácticas del primer parcial 5 PRACTICAS

C96

Pruebas de los capítulos 5,6,7 y 8 20 PRUEBAS

FINAL
C97
Examen final 30 EXAMENES

SUSPENSIÓN
C98

Total: 100

TEXTOS U OTRAS REFERENCIAS REQUERIDAS PARA EL APRENDIZAJE DE LA ASIGNATURA

Libros, revistas, bases digitales, periódicos, direcciones de Internet y demás fuentes de información, pertinentes y actuales.

BÁSICA

4
1. Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch, Nikhil KetkarJojo Moolayil, Apress, 2021

COMPLEMENTARIA

1. Python Deep Learning: Introducción práctica con Keras y TensorFlow 2, Jordi Torres, Marcobo 75, 2020

2. Aprendizaje profundo: Una introducción a los fundamentos del aprendizaje profundo utilizando python, Sebastian Dark, 2018

Docente: VEINTIMILLA REYES JAIME EDUARDO Director: VEINTIMILLA REYES JAIME EDUARDO

Finalizado: 21/3/2022 Publicado: 12/4/2022