Cátedra Aprendizaje de Máquinas

Universidad Tecnológica Nacional

Facultad Regional Mendoza

[INSCRIPCIÓN A CURSADO 2022]

Alumnos inscriptos en la materia electiva se les solicita

• Completar los datos en este formulario.
• Enviar un pedido para ser agregado a la lista de correos (grupo google) de la cátedra am-2022-frm-utn (https://groups.google.com/d/forum/am-2022-frm-utn -> click en "suscribirse a este grupo"). El grupo es cerrado sólo para alumnos de la cátedra. Puedes participar mediante correo electrónico enviando un mensaje a la dirección [email protected]. Mediante la lista de correos se puede interactuar con toda la clase, incluyendo los profesores, garantizando una comunicación fluida de novedades e inquietudes.

[METODOLOGÍA Y FORMATO]

Nuestra metodología de enseñanza adquiere un enfoque 100% práctico, en lo que da por llamarse Aprendizaje basado en la indagación, una forma de aprendizaje activo donde el progreso del alumno se cuantifica en la asimilación de conocimiento práctico y analítico, en ves de cuanto conocimiento poseen.

Para ello las tecnologías incluidas en cada unidad temática del programa se interpretan como la solución a un problema. Este problema, en ves de presentarse en forma teórica y abstracta consistirá en un problema concreto de la vida real, cuya solución involucre todas las tecnologías (soluciones)de la unidad. A modo de ejemplo, el algoritmo Naïve Bayes para clasificación puede presentarse como la solución del problema de clasificación de e-mails como spam o no-spam. La intensión es que la asimilación de conocimiento (e.g., lectura de libro de texto) y aptitudes analíticas (e.g., uso de las herramientas) sea guiado por una curiosidad propia del alumno, resultante de su interés natural en la resolución del problema planteado (e.g., clasificación de spam).

Esta estructuración problema/solución de la unidad se acompaña con una sola instancia de aprendizaje compuesta: el laboratorio. Cada laboratorio resuelve un solo problema, e involucra una o más tecnologías del programa analítico que sirven como solución al problema. La propuesta consiste en que el alumno adquiera las aptitudes analíticas correspondientes a la unidad a través de: ejercicios teórico-prácticos y experimentación directa en el uso de las tecnologías de la unidad. El conocimiento correspondiente a la unidad será asimilado por el alumno a demanda y en forma individual por medio lecturas obligatorias y complementarias de material didáctico (libro de texto o apuntes preparados por la cátedra), omitiéndose las clases teóricas. En reemplazo de estas últimas se guiarán diferentes discusiones en clase o puestas en común con el objetivo de

• (i) motivar al alumno en la importancia del problema,
  (ii) aclarar dudas que traigan los alumnos luego de la lectura del libro y la resolución de ejercicios teórico-prácticos,
  (iii) siendo el aprendizaje individual, se ayudará al alumno a discernir que conocimientos y aptitudes efectivamente ha asimilado y que conocimiento y aptitudes aún le falta asimilar.

Este proceso contempla como instancias de evaluación: evaluaciones individuales orales durante la ejecución del laboratorio, y la presentación de informes de laboratorio detallando y analizando los resultados experimentales obtenidos en la experimentación.

[REGLAS GENERALES]

Debido al alto peso de la nota de los trabajos teórico-prácticos en la nota final, la cátedra será intransigente en la aplicación de las siguientes reglas:

• Los laboratorios son individuales y tienen una fecha de entrega determinada. Los pedidos de prórroga en la entrega deberán informase a la cátedra en un plazo no mayor a las 48hrs previas a la fecha de entrega del práctico (ver instructivo abajo), y la entrega de la documentación que justifique la demora en un plazo no mayor a los 7 días posteriores a la fecha de entrega del práctico.
• Copiar en laboratorios, implicará automáticamente un 0% en esa evaluación. Esta decisión será aplicada cuando sea unánime entre los miembros de la cátedra. El alumno podrá apelar esta decisión, solicitando una audiencia con la cátedra por escrito (ver instructivo abajo).

[CLASES]

Clases teóricas en video [link gdrive]

[LABORATORIOS]

Laboratorio 0: Introducción al lenguaje R [Laboratorio 0.zip] [Laboratorio 0_v1.zip]

Laboratorio 1: Naive Bayes, Árboles de decisión, Random Forest [Laboratorio 1.zip] [Teoría Intro a evaluación de modelos]

Laboratorio 2: Redes Neuronales Artificiales y SVM [Laboratorio2.zip] [Tutorial L2B]

Laboratorio 3: regresión con ANN (redes neuronales artificiales) y SVM (en preparación)

Laboratorio 4: clustering, kmeans (en preparación)

Trabajo final (en preparación)

[FORMULARIO DE ENTREGA laboratorios 2020]

>> La entrega de los laboratorios se hace a través de la plataforma virtual de la FRM.