Doctorado en Inteligencia Artificial

Actividad curricular electiva que le permitirá al doctorando/a alcanzar una visión amplia de los aspectos técnicos, regulatorios y éticos necesarios para desarrollar proyectos de ia en el sector de la salud. El doctorando/a aprenderá conceptos avanzados de programación y tratamiento de datos utilizando nuevas técnicas de ciencia de datos, aprendizaje automático o machine learning. Por lo tanto, esta actividad curricular se centra en la explotación de estas técnicas con el objetivo de resolver los problemas clínicos existentes.

Actividad de tipo teórico práctico, orientada a desarrollar conocimientos y competencias relevantes en el ámbito de los procesadores y sistemas de alto rendimiento para aplicaciones en inteligencia artificial. Se abordan materias relacionadas con los conceptos básicos de la programación y procesamiento paralelo, sistemas en tiempo real, sistemas de comunicaciones de alta velocidad y sistemas industriales. Específicamente, el estudiante reconocerá los principales aspectos de los sistemas de alto rendimiento para aplicaciones de alta velocidad, plataformas y sistemas operativos dedicados para aplicaciones en ia, sistemas de comunicaciones de alta velocidad para sensores y actuadores en entornos industriales. Esta actividad curricular contribuye al perfil del graduado mediante la utilización de los fundamentos teóricos y prácticos de los sistemas software y hardware para generar soluciones a problemas complejos mediante la creación de nuevo conocimiento susceptible de transferir al medio externo. El actividad curricular contempla el aprendizaje y uso de procesadores de alta velocidad para cámaras digitales y sensores industriales (nvidea, nerian) en entornos como ros y ubuntu.

En esta actividad curricular se verán fundamentos teóricos del aprendizaje profundo, en particular, de las redes neuronales artificiales, así como también las últimas arquitecturas en el estado del arte. El actividad curricular comienza con la definición del perceptrón y del perceptrón multicapa, para luego profundizar en su entrenamiento y técnicas de regularización. La segunda parte del actividad curricular repasa arquitecturas neuronales modernas para predicción sobre imágenes, datos secuenciales, modelos generativos y variacionales. En la tercera parte del actividad curricular se revisarán los últimos avances del área.

Actividad curricular teórico-práctica optativa/electiva del programa de doctorado en inteligencia artificial, que entrega al estudiante los conocimientos y competencias para comprender, identificar y aplicar conocimiento referente al aprendizaje automático. Específicamente, el estudiante reconocerá los principales aspectos de métodos de aprendizaje automático, mecanismos de evaluación de estos métodos y algoritmos computacionales para implementarlos. Esta actividad curricular contribuye al perfil del graduado mediante la asociación de los fundamentos teóricos y prácticos y analizar conceptualmente información relevante, que le permitan relacionar soluciones a problemas vinculados con métodos de aprendizaje para resolver problemas de regresión y clasificación, evaluación de métodos mediante métricas de desempeño para orientar la estrategia más adecuada en la solución de un problema determinado, y la implementación de métodos de aprendizaje mediante algoritmos computacionales.

Actividad de tipo teórico-práctico orientada a desarrollar conocimientos y competencias relevantes en el ámbito de la visión computacional y sus aplicaciones en entornos industriales. Se abordan materias relacionadas con la especificación y selección de componentes tales como sensores, cámaras, sistemas de comunicación, sistemas de iluminación y su integración a sistemas de control corporativos. Específicamente, el estudiante reconocerá los fundamentos, principales componentes y algoritmos de la visión computacional. Esta actividad curricular contribuye al perfil del graduado mediante la utilización de los fundamentos teóricos y prácticos de los sistemas de visión computacional. La actividad curricular contempla el aprendizaje y uso de cámaras digitales de distintos espectros, lineales y de área y procesadores de alto desempeño.

Actividad curricular optativa/electiva que le permitirá al doctorando/a introducirse en la temática del procesamiento del lenguaje natural, en donde se estudiarán los problemas y soluciones básicas en los niveles lingüísticos morfológico, sintáctico, semántico y pragmático. Un capítulo de introducción y otro de áreas de aplicación, situarán la actividad curricular desde una perspectiva histórica, y permitirán conocer el estado actual de las realizaciones en este campo. La realización de un proyecto permitirá poner en práctica los conocimientos adquiridos. Se incluyen algunas técnicas de aprendizaje automático. Permitirá, por tanto, al doctorando/a, poner en práctica los fundamentos y métodos adquiridos en ia para el procesamiento del lenguaje natural. A su vez, le proporcionará conocimiento y tecnología para valorar la incorporación del lenguaje natural en diferentes aplicaciones interactivas, o que hagan uso de la información textual.

Esta actividad curricular busca que el estudiante aprenda a desarrollar sistemas que incorporen las emociones en la toma de decisiones. Se conocerán conceptos básicos relacionados con sentimientos, emociones e inteligencia emocional. Como también tecnologías actuales que permiten medir y reconocer las emociones. Se estudiarán los principios neurocientíficos y técnicas de ia que utiliza la computación afectiva para reconocer emociones y para predecirlas. Así como los aspectos metodológicos que se deben considerar para modelar este tipo de conocimiento y desarrollar los sistemas respectivos.

Actividad curricular optativa del programa de doctorado en inteligencia artificial, que entrega al estudiante los conocimientos y competencias necesarios para comprender los límites fundamentales de nuestra capacidad para almacenar, procesar y comunicar datos, ya sea en sistemas naturales o artificiales. En esta actividad curricular el estudiante comprenderá conceptos de entropía, información, la capacidad de transmisión de los canales de comunicación, las diferentes técnicas de compresión, entre otros.

El desarrollo de esta actividad curricular entrega al estudiante la capacidad de conocer y aplicar adecuadamente las estructuras de datos fundamentales según aspectos de organización, acceso, manipulación y desempeño. Para estas estructuras el estudiante podrá analizar e implementar algoritmos iterativos en problemas de búsqueda, recorrido, orden y selección utilizando diferentes técnicas de programación. Adicionalmente el estudiante es capaz de aplicar fundamentos teóricos para identificar niveles de complejidad en una solución algorítmica. Esta actividad curricular contribuye al perfil del graduado a través de la utilización de estructuras de datos, algoritmos y técnicas de programación, permitiendo crear y analizar soluciones a problemas complejos.

En esta actividad curricular se verán los fundamentos teóricos y prácticos del aprendizaje por refuerzo, los métodos clásicos y aproximados (usando redes neuronales) junto con el estado del arte en su aplicación a problemas de diversa índole. El actividad curricular comienza con la definición de conceptos básicos y necesarios, como la formalización de procesos de decisión de markov (mdp) y la ecuación de bellman, para luego seguir con una descripción de los diferentes tipos de aprendizaje por refuerzo (model-based y model-free, pasivo y activo, etc. ) y los métodos clásicos como q-learning y sarsa. A continuación, se revisa cómo la combinación entre aprendizaje por refuerzo y redes neuronales ha aumentado la capacidad de aplicación de esta disciplina a problemas más complejos. Finalmente veremos tópicos avanzados de aprendizaje por refuerzo con múltiples agentes, antes de revisar los últimos avances en el área.

Actividad de tipo teórico-práctico orientada a desarrollar conocimientos y competencias relevantes en el ámbito de los sistemas robóticos colaborativos y sus aplicaciones en entornos industriales. Se abordan materias relacionadas con los conceptos básicos de los robot y los robot colaborativos (cobot) y el cumplimiento de los mecanismos de seguridad en entornos robóticos, operación y programación de robots, detección de colisiones y visión robótica. Específicamente, el estudiante reconocerá los principales aspectos de la robótica colaborativa, seguridad, visión, operación y programación de sistemas robóticos colaborativos. Esta actividad curricular contribuye al perfil del graduado mediante la utilización de los fundamentos teóricos y prácticos de los sistemas robóticos colaborativos para generar soluciones a problemas complejos mediante la utilización o creación de conocimiento susceptible de transferir al medio externo. El actividad curricular contempla el aprendizaje y uso de simuladores tales como robodk y kuka. Sim y la utilización de brazos robóticos de universal robots y kuka.

Esta actividad curricular proporciona conocimientos avanzados en el área del modelamiento bayesiano, presentando las herramientas necesarias para aprender a modelizar la incertidumbre y razonar con ella en sistemas inteligentes. Esta actividad curricular contribuye al perfil del graduado a través de la utilización de métodos bayesianos, para el diseño y desarrollo de sistemas inteligentes.

Actividad curricular teórico-práctica que entrega las herramientas metodológicas para diseñar y analizar sistemas ciber físicos en diferentes áreas de aplicación, evaluando cuantitativa y cualitativamente sus similitudes, diferencias y ventajas. Dicho diseño o análisis se orienta a la utilización de métodos de inteligencia artificial que habiliten la toma de decisiones y la construcción de herramientas de monitoreo, control y optimización en los sistemas ciber físicos. Un sistema ciber físico consiste en un conjunto de dispositivos informáticos que se comunican entre sí e interactúan con el mundo físico a través de sensores y actuadores en un lazo de retroalimentación; dichos sistemas están cada vez más diseminados, considerando edificios inteligentes, ciudades inteligentes, salud, transporte, industria, entre otras áreas.

Actividad curricular optativa/electiva, en que el estudiante plantea problemas de optimización, desarrolla técnicas para resolverlos y evalúa e interpreta las soluciones óptimas obtenidas. Esta actividad curricular contribuye al perfil del graduado mediante la asociación de los fundamentos teóricos y prácticos y análisis de información relevante, que le permitan relacionar soluciones a problemas vinculados con la optimización.

Actividad curricular electiva/optativa que le permitirá al doctorando alcanzar una visión amplia de los aportes que se han logrado con técnicas de ia en educación. Se analizarán las tecnologías y técnicas que han permitido un avance en el proceso de enseñanza y aprendizaje. Se conocerán las principales técnicas para el desarrollo de estas tecnologías y la importancia que tiene el considerar el sesgo y la ética en la educación escolar y universitaria.

Actividad curricular de tipo teórico-práctico orientada a desarrollar conocimientos y competencias relevantes en el ámbito de los fundamentos de la visión computacional. Se abordan materias relacionadas con los conceptos básicos, métodos, algoritmos y modelos de visión por computador y de inteligencia artificial aplicada a la visión computacional. Esta actividad curricular contribuye al perfil del graduado mediante la utilización de los fundamentos teóricos y prácticos de los sistemas de visión computacional para generar soluciones a problemas complejos mediante la utilización, creación y aplicación de nuevo conocimiento susceptible de transferir al medio externo. A través de esta actividad curricular, el estudiante será capaz de comprender diversas metodologías y técnicas en el área de visión por computador, a nivel teórico y práctico, siendo capaz de analizar tanto publicaciones científicas del área, como comprender el funcionamiento de los algoritmos en el contexto de una implementación. Estos conocimientos le permitirán tanto el desarrollo de aplicaciones, como el diseño de nuevas técnicas y algoritmos en esta área, comprendiendo cómo se sitúa su contribución en el contexto del estado del arte de la especialidad.