Curso - Distancia

Sistemas de aprendizaje automático (Edición 1)

Convocatoria

Periodo de inscripción Del 01/09/2021 al 09/09/2021
Estado En ejecución
Periodo de realización Del 11/09/2021 al 17/12/2021
Línea formativa Formación Profesional

Resumen

Esta acción formativa está dentro del proyecto de formación del profesorado de FP en materia de Inteligencia Artificial y Big Data con el objetivo de que los participantes adquieran los conocimientos necesarios para impartir el módulo "Sistemas de aprendizaje automático" correspondiente al CE en Inteligencia Artificial y Big Data que se implantara en la comunidad de Castilla-La Mancha durante el curso académico 2021/2022.

 

Esta acción formativa esta financiada por el Ministerio de Educación y Formación Profesional.

Información básica

Entidad organizadora CENTRO REGIONAL DE FORMACIÓN DEL PROFESO
Línea formativa Formación Profesional
Modalidad Curso
Ámbito Regional
Forma de impartición Distancia
Línea Formación Profesional
Nº máximo de participantes 30
Nº mínimo de participantes 10
Tutor Mariano Calvo Córdoba, Carlos Gonzalez Morcillo, Ricardo García Ródenas, José Ángel Martín Baos, Francisco Pascual Romero Chicharro, José Angel Olivas Varela
Destinatarios
  • Esta acción formativa va dirigida al profesorado que imparte docencia en centros y etapas sostenidas con fondos públicos, en ciclos formativos de Formación Profesional de la familia profesional de Informatica y Comunicaciones de la especialidad de Informática y excepcionalmente profesorado de las siguientes especialidades:
    • Sistemas y Aplicaciones Informáticas.
    • Sistemas Electrónicos.
    • Sistemas Electrónicos y Automáticos.
  • El orden de prioridad de acceso a esta acción formativa será el siguiente:
    • Profesorado que impartirá el módulo “Sistemas de aprendizaje automático” en el CE “Inteligencia Artificial y Big Data”.
    • Profesorado que cumpliendo los requisitos de especialidad tengan su destino definitivo en los siguientes centros:
      1. IES Maestre de Calatrava (Ciudad Real)
      2. IES Leonardo Da Vinci (Albacete).
      3. IES Arcipreste de Hita (Azuqueca de Henares).
    • Resto del profesorado que cumplan los requisitos de especialidad.
  • Nota: Se realizará un reparto equitativo de plazas por centro y siempre atendiendo a los criterios anteriores.

Objetivos
  • Aprender a caracterizar la Inteligencia Artificial fuerte y débil determinando usos y posibilidades.
  • Conocer las técnicas y herramientas de sistemas de aprendizaje automático (Machine Learning), testeando su aplicabilidad para la resolución de problemas.
  • Aprender a seleccionar algoritmos en el aprendizaje supervisado, optimizando el resultado del modelo y minimizando los riesgos asociados.
  • Conocer las técnicas de aprendizaje no supervisado relacionándolas con los tipos de problemas que tratan de resolver.
  • Conocer modelos computacionales de redes neuronales comparándolos con otros métodos de inteligencia artificial.
  • Saber valorar la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático integrando principios fundamentales de la computación.

Contenidos:

  • Caracterización de la Inteligencia Artificial fuerte y débil:
  • Inteligencia Artificial Débil:
    • Características y aplicaciones.
    • Ventajas e inconvenientes.
    • Usos y posibilidades.
  • Inteligencia Artificial Fuerte:
    • Características y aplicaciones.
    • Ventajas e inconvenientes.
    • Usos y posibilidades.
  • Caracterización de sistemas de aprendizaje automático (Machine Learning):
  • Clasificación de sistemas de aprendizaje automático. Supervisado y no supervisado.
  • Principales técnicas para desarrollar aprendizaje automático: Redes neuronales, Aprendizaje inductivo, Razonamiento basado en casos, entre otros.
  • Algoritmos o modelos aplicados al aprendizaje automático:
    • Algoritmos de clasificación.
    • Algoritmos de detección de anomalías.
    • Algoritmos de regresión.
    • Algoritmos de clustering.
    • Algoritmos de refuerzo del aprendizaje.
    • Árboles y reglas de decisión.
    • Otros algoritmos relacionados con el aprendizaje automático.
  • Procedimientos del Machine Learning: Datos, identifica patrones y toma de decisiones.
  • Herramientas de Aprendizaje automático.
  • Aplicaciones del Machine Learning.
  • Selección de algoritmos aplicados al aprendizaje supervisado y optimización del modelo:
  • Determinación de elementos y herramientas de aprendizaje supervisado.
  • Datos etiquetados.
  • Variables de entrada (input data). Etiquetas de salida.
  • Plataformas de aprendizaje automático supervisado.
  • Fases del aprendizaje automático:
    • Selección del algoritmo de aprendizaje supervisado.
    • Selección de datos.
    • Construcción del modelo.
    • Validación del modelo.
    • Ajuste de características o parámetros.
    • Implementación del modelo propuesto.
    • Verificación del modelo de prueba.
    • Optimización del modelo.
  • Caracterización de técnicas de aprendizaje no supervisado:
  • Técnicas de aprendizaje no supervisado.
  • Algoritmos de aprendizaje no supervisado. Agrupación de cluster, Reducción de dimensión, entre otros.
  • Determinación de elementos y herramientas de Aprendizaje no supervisado.
  • Plataformas de aprendizaje automático no supervisado.
  • Fases del aprendizaje automático no supervisado.
  • Caracterización de modelos computacionales de redes neuronales y comparación con otros modelos:
  • Aprendizaje automático frente a aprendizaje profundo.
  • Cómo aprende una red neuronal.
  • Modelos de redes neuronales artificiales: Redes neuronales convolucionales (CNN).
  • Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático:
  • Capacidad de generalización.
  • Test.
  • Validación.
  • Matriz de confusión.
Metodología La metodología será activa y participativa.
Observaciones

El contenido del curso se publicará semanalmente, comenzando el 13 de Septiembre de 2021. Cada semana se publicará el contenido docente equivalente a 0,5 ECTS, y estará compuesto de:

  • 8 vídeos de entre 4 y 6 minutos.
  • 15 páginas de documentación.
  • Ejemplos de código fuente.
  • 4 interactivos de autoevaluación realizados en H5P.

Adicionalmente, se establecerá una tutoría semanal grupal por videoconferencia de 1 hora de duración para resolver dudas y ejercicios propuestos a través de la plataforma del CRFP (Teams).

El profesor tutor de cada semana se ocupará igualmente de resolver dudas empleando el foro habilitado para tal fin en la plataforma del CRFP.

El Centro Regional de Formación del Profesorado ha elaborado un protocolo de seguridad y medidas sanitarias ante la crisis sanitaria provocada por el COVID-19, a tener en cuenta para las acciones formativas que tienen sesiones presenciales. Lo activaremos también cuando pueda retomarse la presencialidad en todas nuestras acciones formativas.

Este protocolo ha sido aprobado por el Comité de Seguridad y Salud Laboral Sectorial de Educación. Puedes encontrarlo pinchando aquí.

Criterios de acreditación

Número de horas 40
Número de créditos 4
Criterios de certificación
  • Asistencia a las sesiones webinar o visionado de la mismas en diferido.
  • Realizar y superar las tareas y/o cuestionarios propuestos en tiempo y forma.
  • Cumplimentación del cuestionario de opinión.
Etiquetas:

close
Seleccionados Todos Visibles Ninguno
nombreCompletoSinAcento Nombre completo Fecha de solicitud DNI Cuerpo Email Asignaturas Especialidades Centros Educativos Código centro Provincia Cursos Cargos directivos Adjuntos Preguntas Motivo del rechazo Ausencias

Elige un motivo de rechazo:

Ver más Nombre nombreSinAcento Apellidos apellidosSinAcento Estado Apto Avance Asistencias Tareas pendientes Formulario pendientes Estado cuestionario de opinión Listado de tareas Listado de formularios Razón del suspenso Tareas superadas Cuestionarios superados Tareas entregadas Formularios entregados Créditos Número de horas Observaciones email
LanzarModal