Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MISIÓN
La Universidad Autónoma de Occidente es una Institución de Educación Superior, cuya misión es la de integrar, con perspectiva
internacional, las funcionas sustantivas de docencia, investigación y proyección social para: contribuir a la formación de personas con
visión humanística, creativas y emprendedoras; a la generación de conocimiento y a la solución de los problemas del entorno regional,
nacional e internacional.
1. IDENTIFICACIÓN
Línea profesional.
Ingeniería Aplicada.
2. PRESENTACIÓN
Las redes neuronales artificiales (RNA) es una de las técnicas más relevantes de la inteligencia
artificial que trata de emular la manera como trabajan las neuronas del cerebro. Este enfoque se le
ha denominado también conectivista pues parte, de emular el comportamiento de una neurona
biológica y “conectarla” con otras neuronas artificiales de manera similar, a lo realizado por las
neuronas biológicas.
ORIGEN Y APROBACIÓN FECHA Vo. Bo.
Elaborado por: Docente (Nombre completo)
Revisión por: Comité Curricular Programa que elabora el contenido (Nombre del Presidente del Comité)
Aprobación por: Consejo de la Facultad que elabora el contenido (Nombre del Presidente del Consejo)
SIGED
Sistema Integrado de Página 2 de 6
Gestión Documental
Actualmente, las RNA en algunas aplicaciones han obtenido desempeños comparables a los
realizadas por humanos por ejemplo en reconocimiento de imágenes y de voz. Lo anterior se debe a
una nueva metodología que ha permitido entrenar redes neuronales artificiales con muchas capas de
procesamiento denominada Deep Learning (DL). El DL es aplicado por los gigantes tecnológicos
como Facebook, Google y Microsoft para sus desarrollos más como por ejemplo el reconocimiento
automático de objetos en una imagen, la traducción simultánea y la detección de rostros.
Estos desarrollos no han surgido de la nada y para llegar a ellos las redes neuronales han transitado
por periodos de bastante actividad y otros donde inclusive se pensó que era una técnica que iba a
desaparecer.
Lo cierto es que las RNA con el DL hoy en día son una de las técnicas que más resultados han
mostrado en la avalancha de aplicaciones de inteligencia artificial que sin darnos cuenta nos rodean.
En este curso se pretende una aproximación a los diferentes conceptos relacionados con la RNA y DL
de tal manera que el estudiante tenga las bases suficientes para seguir su transito en el apasionante
mundo de la inteligencia artificial.
3. OBJETIVO
Conocer los conceptos básicos de las redes neuronales artificiales clásicas como las redes monocapa y
redes multicapa de una capa oculta.
Diseñar aplicaciones de reconocimiento de patrones usando redes neuronales artificiales clásicas.
Conocer los conceptos básicos de las redes neuronales artificiales basadas en aprendizaje profundo
(deep learning).
Diseñar aplicaciones de reconocimiento de patrones usando redes neuronales artificiales basadas en
aprendizaje profundo (deep learning).
5. ORGANIZACIÓN DE CONTENIDOS
6. METODOLOGÍA
7. MEDIOS Y RECURSOS
3) Software para validación: Actualmente se tienen recurso para complementar la teoría lo que
permite mejorar el aprendizaje de la asignatura. Desde el trabajo independiente por parte de los
estudiantes de ingeniería, quienes validan los resultados teóricos de los cálculos antes realizados y
contrastados con lo que entrega la herramienta Matlab.
4) Bases de datos de investigación IEEE Xplore, Sciency Direct, ACM. Donde el estudiante
consulta aplicaciones y resultados de investigación, ubicando artículos con temas que se trabajan en
la asignatura.
Instrumentos coherentes con las técnicas de interrogación y observación se utilizan para evidenciar
desempeños en los ingenieros en formación, de tal manera que se emitan juicios valorativos,
observaciones y recomendaciones de mejoramiento como parte del seguimiento y acompañamiento
desde las dimensiones diagnóstica y formativa.
En cuanto a la sumativa, se han definido para la asignatura 3 grupos criterios evaluativos: Pruebas y
exámenes, Trabajo transversal de curso, y Otras actividades académicas. En cada grupo se han
definido variedad de actividades de evaluación, las cuales permiten recopilar evidencias sobre el
aprendizaje, los desempeños y el avance en el desarrollo de las competencias.
Instrumentos coherentes con las técnicas de interrogación y observación se utilizan para evidenciar
desempeños en los ingenieros en formación, de tal manera que se emitan juicios valorativos,
observaciones y recomendaciones de mejoramiento como parte del seguimiento y acompañamiento
desde las dimensiones diagnóstica y formativa.
35%
Actividades de aprendizaje
Módulo 2
35%
Actividades de aprendizaje
Módulo 3
Los detalles de los porcentaje para las diferentes actividades se pueden encontrar en el proceso
evaluativo.
9. BIBLIOGRAFÍA
Una aproximación Práctica a las Redes Neuronales Artificiales. Caicedo Eduardo, López Jesús.
Programa Editorial Universidad del Valle. 2009.
Clasificación: 006.3 / C133
BIBLIOGRAFÍA COMPLEMENTARIA
• Neural Networks and learning machines. Haykin, Simon. Pearson Education. 2009.
Clasificación: 006.32 / H419
• Pattern recognition using neural networks: Theory and algorithms for engineers and Scientists.
Looney, Carl G. Oxford University, 1997.
• Neural and adaptive systems: fundamentals through simulations. Principe, José C. John
Wiley, 2000.
Clasificación: 006.32 / P957n
• Statistical Pattern Recognition Andrew R. Webb John Wiley & Sons. 2004
006.4 / W365
• Neuro-Fuzzy and Soft Computing: A computational approach to Learning and Machine Intelligence
J.-S. R. Jang, C.-T. Sun, E. Mizutani, Prentice Hall, NJ, 1997.
Clasificación: 006.3 / J33n
PÁGINAS WEB