Compartimos la invitación al curso de posgrado «Retos para la Inteligencia Artificial en el siglo XXI», propuesto por la Facultad de Ciencias Exactas Químicas y Naturales (FCEQyN) de la Universidad Nacional de Misiones (UNaM) en conjunto con la Universidad Nacional del Nordeste (UNNE).
El curso está destinado a alumnos de la Maestría en Tecnologías de la Información, profesionales informáticos, alumnos de posgrado de otras disciplinas y graduados universitarios interesados en el tema. También es valido para el Doctorado en Ciencias Aplicadas. La carga horaria será de 40 horas (10 presenciales y las restantes a distancia).
El dictado de las instancias presenciales será el viernes 2 de septiembre de 16:00 a 21:00 y el sábado 3 de de 8:00 a 13:00, en el aula magna de la FCEQyN -Félix de Azara 1552- Posadas, Misiones, Argentina.
El docente a cargo será el Dr. José Ángel Olivas Varela, Doctor en Ingeniería Informática en 2000 por la Universidad de Castilla – La Mancha. En 2001 fue Postdoc Visiting Scholar en el BISC (Berkeley Initiative in Soft Computing) con Lotfi A. Zadeh (creador de la Lógica Borrosa), University of California – Berkeley, USA. Desde entonces sigue colaborando activamente con el BISC y el Prof. Zadeh.
Aranceles:
Gratuito Alumnos de la Maestría en Tecnologías de la Información.
$700 Externos a la Maestría en Tecnologías de la Información.
Para más información e inscripción ingresar a www.fceqyn.unam.edu.ar/mti/index.php/cursos-de-posgrado o a través de mti@fceqyn.unam.edu.ar
Programa de Dictado
Módulo 1. Introducción
El nuevo reto de la Inteligencia Artificial en: Internet y las redes sociales.
El acceso y la búsqueda de información en las grandes bases de datos digitales.
La gestión y extracción de conocimiento de grandes volúmenes de datos (Big Data y KDD).
Módulo 2. Internet y las redes sociales
El nuevo reto de la Inteligencia Artificial en Internet y las redes sociales: «asíncrono» vs. «síncrono»
Reflexión/preparación vs. Inmediatez/visceralidad.
Dimensión Humana
Análisis de Sentimientos.
Módulo 3. Acceso y la búsqueda de información digital
Los buscadores son eficientes, pero no eficaces.
Ejemplos: sinonimia, veracidad (reputación), variedades diatópicas, operadores, tendencias
Módulo 4. BIG DATA
Aproximación ingenua y crítica.
Definición abierta de big data.
Datos. Información. Conocimiento.
Abstracción-Patrones.
Dimensión humana.
La Web.
Google.
Módulo 5. Explosión en la cantidad de datos
Algoritmos inteligentes para BIG DATA
Data and Information Fusion.
Computación evolutiva (Genetic Algorithms).
Machine Learning.
Natural Language Processing.
Dimensionality Reduction Techniques.
Multidimensional Big Data .
Data Mining.
Social Networks.
Data Science.
Web Search and Information Mining.
Scalable Search Architectures.
Cleaning Big Data (noise reduction), Acquisition & Integration.
Visualization Methods for Search.
Time Series Analysis.
Recommendation Systems.
Graph Mining and Other Similar Technologies.
APPLICACIONES DE BIG DATA:
Applications in Science, Engineering, Healthcare, Visualization, Business, Education, Security,
Humanities, Bioinformatics, Health Informatics, Medicine, Finance, Law, Transportation,
Retailing, Telecommunication, all Search-based applications.
FUNDAMENTOS DE BIG DATA
Computational Science.
Computational Intelligence.
6. REFLEXIONES
No hay cambios significativos de paradigmas en IA (T .S. Kuhn: La estructura de las
revoluciones científicas).
Lógica Borrosa.
Falta de comunicación Ciencias Cognitivas-Computación-HPC.
Escalabilidad en la complejidad de los algoritmos:
Límites de la computación.
NP completitud.
Ajedrez y juegos, Watson, Test de Turing
IA y heurística.
