UNIVERSIDAD AUTONOMA DE NUEVO LEON

FACULTAD DE INGENIERIA MECANICA

ELECTRICA

MATERIA: SEMINARIO DE SISTEMAS 2

ACTIVIDAD 1.A

DOCENTE: BLANCA IDALIA PEREZ PEREZ

ISEL ALEJANDRO ZAMARRIPA VAZQUEZ 1909744 IAS

¿Qué Es Un MOOC?

R.- Un MOOC (Massive Open Online Course) es un curso en línea diseñado para la
participación masiva y abierta a cualquier persona interesada en inscribirse,
generalmente a través de Internet. Estos cursos suelen ser gratuitos, aunque
algunos pueden ofrecer opciones de pago para obtener certificados o acceder a
contenido adicional.

¿Menciona 5 Tipos De MOOCs?

R.- MOOCs Basados en Contenido:

Características: Estos MOOCs se centran en la entrega de contenido a través de

videos, lecturas y materiales multimedia. La interactividad puede ser limitada, y la
evaluación se realiza a través de cuestionarios y exámenes.

MOOCs Basados en Problemas o Proyectos:

Características: Estos MOOCs se centran en la resolución de problemas prácticos

o la realización de proyectos. Los estudiantes aplican los conocimientos adquiridos
en situaciones del mundo real.

MOOCs Basados en Colaboración:

Características: Fomentan la interacción y colaboración entre los participantes. Los

estudiantes trabajan juntos en tareas, discusiones o proyectos grupales.

MOOCs Basados en Juegos Educativos:

Características: Integran elementos de juego para hacer el aprendizaje más

interactivo y atractivo. Pueden incluir competiciones, desafíos y recompensas.

MOOCs Basados en Recursos Abiertos:

Características: Utilizan recursos educativos abiertos (OER, por sus siglas en

inglés) y pueden incluir materiales de múltiples fuentes. Los estudiantes pueden
acceder a una variedad de recursos en línea de forma gratuita.
¿Inscribirse a un MOOCs?

R.-Me inscribí en Coursera donde dan cursos gratis de cualquier tipo

Inscribirse a un mooc gratuito

¿Qué es Industria 4.0?

R.-La Industria 4.0 es un concepto que se refiere a la cuarta revolución industrial,

caracterizada por la integración de tecnologías digitales, la conectividad y la
automatización avanzada en los procesos de fabricación y producción. Este término
surgió en Alemania y ha ganado relevancia globalmente.

¿Qué es Inteligencia Artificial?

R.-La Inteligencia Artificial (IA) es un campo de la informática que se centra en el

desarrollo de sistemas y programas capaces de realizar tareas que, normalmente,
requieren de la inteligencia humana. Estas tareas incluyen el aprendizaje, el
razonamiento, la percepción visual, el reconocimiento del lenguaje natural, la toma
de decisiones y la resolución de problemas.

¿Qué es aprendizaje profundo o DEEP LEARNING?

R.-El aprendizaje profundo, conocido en inglés como "deep learning", es un

subconjunto del campo de la inteligencia artificial (IA) que se centra en el
entrenamiento de algoritmos llamados redes neuronales artificiales. Estas redes se
inspiran en la estructura y el funcionamiento del cerebro humano para realizar tareas
específicas, como el reconocimiento de patrones, la toma de decisiones y la
resolución de problemas.

Lo distintivo del aprendizaje profundo es el uso de redes neuronales profundas,

también conocidas como redes neuronales profundas de aprendizaje (DNN). Estas
redes tienen varias capas (profundidad), lo que les permite aprender y representar
características complejas a partir de datos de entrada.

¿Qué son las redes neuronales artificiales?

R.- Las redes neuronales artificiales (RNA) son un componente fundamental del
aprendizaje profundo y forman la base de muchas aplicaciones en inteligencia
artificial. Estas redes están inspiradas en la estructura y el funcionamiento del
sistema nervioso biológico, específicamente en la red de neuronas en el cerebro
humano. El objetivo de las RNA es simular, en términos simplificados, la capacidad
del cerebro para aprender y realizar tareas cognitivas.

Una red neuronal artificial está compuesta por unidades llamadas neuronas,
organizadas en capas. Estas capas se dividen generalmente en tres tipos:
Capa de entrada: Recibe las señales o datos de entrada y transmite la información
a la siguiente capa. Cada neurona en esta capa representa una característica o
variable de entrada.

Capas ocultas: Estas capas intermedias realizan operaciones matemáticas en los

datos de entrada y aprenden representaciones más complejas. La información fluye
a través de estas capas antes de llegar a la capa de salida.

Capa de salida: Produce la salida final de la red neuronal, que puede ser una
clasificación, una predicción u otra tarea específica.

¿Qué es un ERP?
R.- Un ERP, o Planificación de Recursos Empresariales en inglés (Enterprise
Resource Planning), es un sistema de software que integra y gestiona los procesos
y funciones esenciales de una empresa en un solo sistema centralizado. La finalidad
de un ERP es mejorar la eficiencia y la visibilidad de la información en toda la
organización, permitiendo una toma de decisiones más informada.

Un sistema ERP típicamente abarca varias áreas clave de una empresa, como
finanzas, contabilidad, recursos humanos, gestión de inventarios, cadena de
suministro, producción, ventas y más. Al integrar estos procesos en una única
plataforma, un ERP facilita la colaboración y la comunicación entre diferentes
departamentos, eliminando la necesidad de utilizar sistemas independientes para
cada función.
¿Qué es el Nearshoring?
R.-El nearshoring es un modelo de subcontratación que implica la externalización
de actividades empresariales, servicios o procesos a proveedores ubicados en
países cercanos geográficamente o en la misma región que la empresa contratante.
En contraste con el offshoring, que implica la externalización a ubicaciones
geográficamente distantes o en el extranjero, el nearshoring se centra en mantener
la proximidad geográfica

Buscar 3 vacantes de sistemas que involucren a las RNA con perfil, salario,
cursos/certificaciones, idiomas y pago
Lo que se requiere:

• Título avanzado en Ciencias de la Computación o Matemáticas Aplicadas, o una

combinación equivalente de habilidades y experiencia.

• Experiencia más allá de un título avanzado en matemáticas aplicadas, ciencias de la

computación, desarrollo de software, ciencia de datos o disciplinas estrechamente
relacionadas.

• Experiencia y un fuerte interés en desarrollar métodos novedosos de aprendizaje

científico automático.

• Registro demostrado de excelencia científica a través de publicaciones, charlas o

entregables de software.

• Habilidad para trabajar colaborativamente con un equipo diverso de científicos e

ingenieros.

• Experiencia en el desarrollo de nuevos algoritmos numéricos para optimización,

álgebra lineal, análisis de datos, modelos estadísticos.

• Experiencia demostrada en trabajar con éxito en equipos multidisciplinarios. En

particular, experiencia demostrada en coordinar equipos de aprendizaje automático.

• Habilidad para interactuar con una variedad de personal técnico y científico,

incluyendo Asociados de Investigación, Científicos e Ingenieros de Software con
diversos antecedentes académicos.

. Fuertes habilidades de comunicación escrita y verbal para presentar y difundir

desarrollos científicos de software en reuniones de grupo y conferencias.
Responsabilidades Clave

Durante el período de pasantía, se espera que:

Proceses datos multimodales Realices experimentos de aprendizaje automático

Diseñes y desarrolles marcos de aprendizaje profundo Analices conjuntos de datos
existentes y pruebes hipótesis

Calificaciones Mínimas

Candidato sólido de Maestría en Ciencias de la Computación, Ingeniería Eléctrica,

Ciencia de Datos, Ingeniería Mecánica, Matemáticas Aplicadas u otros campos
relacionados. Habilidades sólidas de programación en Python, con experiencia en
aprendizaje automático. Experiencia de investigación con sistemas de Interacción
Humano-Máquina, como simuladores de vehículos. Experiencia en herramientas de
redes neuronales de aprendizaje profundo de código abierto, como Tensorflow, Keras
y PyTorch.

Calificaciones Adicionales (Bonus)

Candidato de doctorado en campos relacionados. Habilidades sólidas de comunicación

e interpersonales. Experiencia de investigación en el diseño de marcos de aprendizaje
profundo. Experiencia de investigación en sensores fisiológicos, visión por
computadora o reconocimiento de gestos humanos. Excelencia en procesamiento de
señales y fusión multimodal. Haber llevado a cabo experimentos con participantes
humanos o investigación relacionada con factores humanos.
Científico de Investigación, Síntesis de Vistas Noveles y Renderizado Neural,
Responsabilidades de Telepresencia en Vivo:
• Participar en investigaciones de vanguardia en renderizado neural, visión por
computadora y gráficos. • Desarrollar modelos eficientes de redes neuronales
profundas para la generación y seguimiento de contenido 3D. • Publicar resultados
de investigaciones en revistas de alto impacto y en conferencias internacionales
líderes. • Contribuir con investigaciones que puedan aplicarse al desarrollo de
productos de realidad virtual/aumentada de Meta.

Calificaciones Mínimas:
• Licenciatura en Ciencias de la Computación, Ingeniería Informática, campo
técnico relevante o experiencia práctica equivalente. • Actualmente tiene o está en
proceso de obtener un doctorado y/o asignación posdoctoral en el campo de visión
por computadora, gráficos por computadora, aprendizaje automático o un campo
relacionado. • Historial probado en el uso de aprendizaje automático y visión por
computadora. • Experiencia en renderizado neural, síntesis de vistas o
reconstrucción 3D. • Experiencia interpersonal: colaboración entre grupos y
culturas diferentes. • Debe obtener autorización de trabajo en el país de empleo
en el momento de la contratación y mantener la autorización de trabajo durante el
empleo.

Calificaciones Preferidas:
• Historial probado de lograr resultados significativos demostrados por
subvenciones, becas, patentes, así como publicaciones como autor principal en
conferencias destacadas (por ejemplo, SIGGRAPH, CVPR, ECCV, ICCV,
NeurIPS, ICLR, ICML) o revistas (por ejemplo, PAMI, IJCV, JMLR, ToG). • 3+ años
de experiencia en el diseño y desarrollo de algoritmos de visión por computadora
o aprendizaje automático en C++. • 3+ años de experiencia en la creación de
prototipos de algoritmos en Python. • Experiencia con enfoques de renderizado
neural como NeRF. • Experiencia en visión por computadora 3D, gráficos y
modelos de aprendizaje profundo para este dominio. • Experiencia demostrada
como ingeniero de software a través de pasantías, experiencia laboral,
competiciones de codificación o contribuciones ampliamente utilizadas en
repositorios de código abierto (por ejemplo, GitHub). • Experiencia con
programación de datos paralelos (por ejemplo, CUDA) o gráficos (por ejemplo,
OpenGL, Vulcan).