Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
MARZO 2022-AGOSTO 2022
NOMBRE DE LA ASIGNATURA CÓDIGO: 18576
CARGA HORARIA
COMPONENTES DEL APRENDIZAJE Horas / Semana Horas / Periodo Académico
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
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
2. Explicar las principales tendencias que impulsan el auge del aprendizaje profundo.
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
RESULTADOS O LOGROS DE
INDICADORES ESTRATEGIAS DE EVALUACIÓN
APRENDIZAJE
RdA1. Adquiere una perspectiva general de lo • Conoce la historia de la inteligencia artificial. • ESTA ACTIVIDAD SERÁ EVALUADA A
que es la inteligencia artificial TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
• Define con claridad los conceptos de IA, DE EJERCICIOS REALIZADOS POR LOS
sistemas inteligentes y las diferentes ESTUDIANTES, TALLERES EN EL AULA, Y
estrategias de la IA LOS EXÁMENES DE INTERCICLO Y FINAL.
RdA2. Conoce la diferencia entre aprendizaje • Conoce con claridad cuando aplicar • ESTA ACTIVIDAD SERÁ EVALUADA A
automático y aprendizaje profundo herramientas de aprendizaje automático TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
• Conoce con claridad cuando aplicar DE EJERCICIOS REALIZADOS POR LOS
herramientas de aprendizaje profundo ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.
RdA3. Conoce la utilidad de las redes • Conoce cuando aplicar las redes neuronales • ESTA ACTIVIDAD SERÁ EVALUADA A
neuronales recurrentes recurrentes TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
• Identifica como está compuesta una red DE EJERCICIOS REALIZADOS POR LOS
neuronal recurrente ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.
RdA4. Conoce la utilidad de las redes • Conoce cuando aplicar las redes neuronales • ESTA ACTIVIDAD SERÁ EVALUADA A
neuronales convolucionales recurrentes TRAVÉS DE PRUEBAS ESCRITAS
PARCIALES, TRABAJOS DE RESOLUCIÓN
• Identifica como está compuesta una red DE EJERCICIOS REALIZADOS POR LOS
neuronal convolucional ESTUDIANTES, TALLERES EN EL AULA, Y
LOS EXÁMENES DE INTERCICLO Y FINAL.
RdA5. Analiza y diseña sistemas empleando • Conoce exactamente en que campos puede • ESTA ACTIVIDAD SERÁ EVALUADA A
redes neuronales aplicar la redes neuronales artificiales 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.
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. INTRODUCCIÓN AL CURSO
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)
6. Regularización
4. Redes con propagación hacia atrás 3 APRENDIZAJE EN PRUEBA DEL CAPITULO 2 horas
CONTACTO CON EL
DOCENTE (ACD)
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)
• Proyector digital
• Laboratorio de cómputo
TOTAL: 100
DETALLE DE CRITERIOS DE
PUNTAJE / CRITERIO GENERAL
ACREDITACIÓN
APROVECHAMIENTO I
INTERCICLO
C95
Examen Interciclo 20 EXAMENES
APROVECHAMIENTO II
FINAL
C97
Examen final 30 EXAMENES
SUSPENSIÓN
C98
Total: 100
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