Curso Machine Learning

Fecha de inicio: 20 de enero de 2023
Fecha de fin: 17 de marzo de 2023
Viernes: 10:30-12:00
Lugar: ICMAT (Aula Naranja) y Online 
Curso gratuito

El machine learning, o sistemas de aprendizaje, es una rama de la inteligencia artificial que se ha convertido en los últimos años en una pieza clave para todas aquellas investigaciones en las que estén involucradas una gran cantidad de datos. A través de sus técnicas se pueden hacer clasificaciones, predicciones y descubrir información clave en investigaciones en muy diferentes ámbitos. Por esta razón, y con el objetivo de hacer de la IA un elemento transversal en la investigación del CSIC, desde la Conexión AIHUB contribuimos a la realización del curso de Introducción a Machine Learning que tiene como objetivo:

• Proporcionar una comprensión global sobre los temas tradicionales, actuales y futuros en Machine Learning.
• Presentar el uso de técnicas de Machine Learning en dominios de aplicación concretos como son el descubrimiento de fármacos, la seguridad, o la ciberseguridad, entre muchos otros.
• Introducir el uso de las técnicas con ayuda de R.

Este curso abordará los conceptos más básicos de Machine Learning hasta cubrir los algoritmos más importantes, así como los debates que se están gestando en torno a esta rama de la IA. A la vez tendrá un enfoque práctico que permitirá aprender a aplicarlos en la práctica científica. Será riguroso sin entrar en detalles muy concretos del desarrollo de algoritmos, lo que lo hará accesible a investigadores de otras áreas distintas a la IA básica. Los materiales estarán en inglés y los participantes tendrán acceso a “R notebooks”, “datasets” y las presentaciones del curso.

El curso se impartirá tanto de manera online como presencial cada viernes desde el 20 de enero hasta el 17 de marzo.

Si estás interesado en participar, puedes enviar un correo a marta.sanz@icmat.es antes del 15 de enero. 

Docentes

El curso estará coordinado por David Rios Insua (PI en ICMAT) y contará con la participación de:

• David Arroyo (ITEFI), investigador científico
• Nuria Campillo (CIB, ICMAT), investigadora científica
• Jesús Cerquides (IIIA), investigador científico
• Sara Degli-Esposti (IFS), investigadora científica
• Juan Poyatos (CNB) investigador científico
• Juan Antonio Rodríguez (IIIA) profesor de investigación
• Carlos González (ICMAT, UPM) contratado doctor
• Roi Naveiro (CUNEF, ICMAT) assistant professor 

Las prácticas estarán coordinadas por Simón Rodríguez y César Guevara (postdocs en ICMAT) y tutorizadas por Kristina Kit, Chema Camacho y Pablo Varas (postgrados en ICMAT). El proyecto está gestionado por Marta Sanz (project manager en ICMAT).

Estructura

-5 min Q&A (respuestas a preguntas del fórum del curso)
-45 min Teoría
-15 min Ejemplos
-15 min Laboratorio
-5 min cuestiones finales y propuestas de investigación

Contenido

1.Introducción 
2.Regresión Lineal
3.Clasificación Lineal
4.Árboles
5.Máquinas de Vector Soporte
6.Modelos gráficos probabilísticos
7.Introducción a redes neuronales
8.Introducción a redes profundas
9.Aprendizaje no supervisado 
10.Aprendizaje por refuerzo

Los materiales (slides y notebooks) estarán disponibles en https://datalab.icmat.es/bayesian-year/iml/