Modalidad: Diplomatura PRESENTACIÓN: La Computación Inteligente ha aflorado y desaparecido en varias oportunidades ante la atención pública. Esto es comprensible porque a veces los investigadores y los medios han sido muy optimistas sobre lo alcanzable a corto plazo en una disciplina que busca automatizar la solución de problemas tan difíciles, que precisamente han requerido la inteligencia humana. Sin embargo, lejos de los escenarios de la ciencia-ficción, es un hecho que algunas técnicas, nacidas en unos 50 años de investigación, ya están maduras y han mostrado beneficios reales al ser aplicadas en diversos sectores empresariales, ya sea ahorrando tiempo o dinero, aumentando la eficiencia de alguna función, o aprovechando oportunidades aún no explotadas. Técnicas como las redes neuronales, los sistemas expertos y la lógica difusa, la computación evolutiva o el aprendizaje por refuerzo, entre otras, han demostrado ser valiosas en tareas como identificar patrones complejos en conjuntos de datos, soportar la toma de decisiones basada en juicios cualitativos y cuantitativos, inducir reglas de decisión a partir de datos históricos, y buscar soluciones óptimas en problemas con alta complejidad de variables. Las redes neuronales tienen su origen en el funcionamiento del cerebro humano; la lógica difusa en una extensión de la teoría de conjuntos que permite expresar realidades de una manera aproximada a como lo hacen los humanos; la computación evolutiva en la evolución de las especies; el aprendizaje por refuerzo, en la forma como un organismo vivo aprende un determinado comportamiento a partir de la correlación entre sus acciones y el placer o dolor que éstas le producen. Además, la informática tradicional, habiendo solucionado los problemas más abordables, debe enfrentar aplicaciones cada vez más complejas, manejar mayores volúmenes de información, buscar soluciones más "inteligentes", descubrir correlaciones insospechadas en bases de datos, y en general orientarse a ser herramienta imprescindible en la gestión del conocimiento en las organizaciones. OBJETIVO: Familiarizar al participante con los principales enfoques, conceptos, métodos y herramientas de la Computacion Inteligente, aplicables a la solución de problemas en el contexto empresarial. .Enriquecer el repertorio conceptual y las competencias del participante para que pueda enfrentar problemas difíciles de manejo de información y conocimiento, de maner que pueda decidir cuáles herramientas metodológicas son más adecuadas para cada caso. CONTENIDOS: Módulo I (36 horas) INTRODUCCIÓN A LA COMPUTACIÓN INTELIGENTE Campos y técnicas de aplicación Fundamentos de las Redes Neuronales Algoritmo de Aprendizaje Programa RNA Estudio de Casos Solución de problemas con RNA utilizando MATLAB Aprendizaje basado en problemas (ABP) Módulo II (9 horas) APRENDIZAJE NO SUPERVIZADO (ANS) CON REDES NEURONALES ARTIFICIALES Aprendizaje Hebbiano, redes competitivas Métodos de Clustering: Clasificación de las técnicas y medidas de similitud, Extracción y selección (PCA, ICA, KPCA), Métodos particionales (k-means, SOFM, Cuantizador de Voronoi, Fuzzy clustering) Módulo III (30 horas) COMPUTACIÓN EVOLUTIVA Aplicaciones Principales variantes Algoritmo Genético (AG) Programa AG Estudio de Casos Aprendizaje basado en problemas (ABP) Módulo IV (21 horas) LÓGICA DIFUSA Operaciones básicas en la lógica difusa Sistemas de Control Difuso Programa LD Estudio de Casos Aprendizaje Basado en Problemas (ABP) Controlador difuso: Takagi-Sugeno (interpolación de funciones), Ejemplo aplicado (Evasión de obstáculos) Aprendizaje de Fuzzy systems: Supervisado y no supervisado, AG, y Generación de base de reglas sin necesidad del experto Módulo V (21 horas) APRENDIZAJE POR REFUERZO (APR) Elementos del aprendizaje por refuerzo Programación dinámica Monte Carlo TD learning TD (lambda) Aprendizaje basado en modelo Generalización con aproximación de funciones Módulo VI (13 horas) INGENIERÍA DEL CONOCIMIENTO Origen de la Ingeniería del Conocimiento Sistemas Basados en Conocimiento (Expertos) Conceptos básicos Metodología de desarrollo tradicional Metodología CommonKADS Fechas: INTENSIDAD: 130 horas METODOLOGÍA: La diplomatura se desarrollará mediante exposiciones de docentes con conocimiento en cada uno de los temas, utilizando apoyos audiovisuales y simulaciones de diferentes algoritmos. Los asistentes tendrán una participación activa mediante la variación de parámetros de tales simulaciones y el desarrollo de programas propios siguiendo las indicaciones de los instructores. DOCENTES: Luis Guillermo Restrepo Rivas es Ingeniero Electrónico de la Universidad Pontificia Bolivariana de Medellín, Colombia. Actualmente se desempeña como docente y consultor. Ha sido docente de Inteligencia Artificial e Ingeniería del Conocimiento en la Universidad Pontificia Bolivariana, la Universidad Eafit, la Universidad de San Buenaventura y el Politécnico Colombiano Jaime Isaza Cadavid. Ha sido consultor para estudios contratados por Colciencias, Comfenalco Antioquia y Transportes Botero Soto. Entre 1976 y 1996 se desempeñó como especialista en la Dirección de Planeación de las Empresas Públicas de Medellín, y de 1996 a 1999 como ingeniero en el servicio de Internet de la misma entidad, EPM.NET. Sus intereses intelectuales se dirigen a la Ingeniería del Conocimiento, la Inteligencia Artificial, la Computación Evolutiva y su aplicación a problemas de optimización, el desarrollo de las ideas en ciencia y tecnología, así como el estudio de los sistemas complejos. Hector Tabares recibió su grado de Ingeniero Electrico en el año de 1996, Universidad de Antioquia, Medellín. Finalizó posgrado como especialista en Ingeniería del Software en la Universidad Nacional de Colombia, Sede Medellín, en el año 2001 y actualmente es candidato a Magister en Ingeniería de Sistemas en esta última universidad. En el año 2003 fue nominado como el mejor docente en el concurso SERVIDOR MERITORIO DE LA EDUCACIÓN SUPERIOR, organizado por ASIESDA (Asociación de Instituciones de Educación Superior de Antioquia), Comfenalco y el periódico EL MUNDO. Finalista en el concurso de Oratoria, Universidad de Antioquia, 2003. Profesor del curso Computacion Inteligente en la Universidad Pontificia Bolivariana (UPB) y autor de los siguientes textos de trabajo realizados compropósito docente: "Redes Neuronales Artificiales", "Algoritmos Geneticos", "Logica Borrosa", "Teoria del Caos", "Metodos Numericos". Desarrollador de los simuladores software RNA_UPB, AG_UPB, LB_UPB, TC_UPB. Jerónimo Castrillón Mazo es egresado del programa de Ingeniería Electrónica de la Universidad Pontificia Bolivariana. Durante la carrera obtuvo seis becas de honor por promedio académico además de una mención como el mejor estudiante de la facultad en el 2003. En el momento dicta los cursos de Introducción al cálculo y cálculo de variable real en la misma universidad. Su trabajo de grado "Aprendizaje por Refuerzo en Espacios Continuos para la Evasión de Obstáculos en un Robot Móvil" ha sido propuesta para recibir mención de honor. Ha asistido a diferentes cursos en computación inteligente a cargo del candidato a PhD Andrés Upegui y del PhD Kevin Passino, además participó en el "Machine Learning Summer School" realizado en Tübingen-Alemania en el 2003. Entre sus intereses actuales de investigación se encuentran las máquinas de soporte vectorial y la extensión del aprendizaje por refuerzo a sistemas multiagente. Daniel Giraldo Maya es egresado del programa de Ingeniería Electrónica de la Universidad Pontificia Bolivariana. Es profesor de las materias Introducción al Cálculo y Geometría Vectorial y Euclidiana en la misma Universidad. Su trabajo de grado "Aprendizaje por Refuerzo en Espacios Continuos para la Evasión de Obstáculos en un Robot Móvil" ha sido propuesto para recibir mención de honor. Ha asistido a diferentes cursos en computación inteligente a cargo del candidato a PhD Andrés Upegui y del PhD Kevin Passino. Entre sus intereses actuales de investigación se encuentran la inteligencia swarm y la extensión del aprendizaje por refuerzo a sistemas multiagente. Jorge Alejandro Peña Suárez es egresado del programa de Ingeniería Electrónica de la Universidad Pontificia Bolivariana. Es profesor de los laboratorios de Sistemas Automáticos de Control y Circuitos Electrónicos en la misma universidad. Su trabajo de grado "Aprendizaje por Refuerzo en Espacios Continuos para la Evasión de Obstáculos en un Robot Móvil" ha sido propuesta para recibir mención de honor. Ha asistido a diferentes cursos en computación inteligente a cargo del candidato a PhD Andrés Upegui y del PhD Kevin Passino. Entre sus intereses actuales de investigación se encuentran la inteligencia swarm y la extensión del aprendizaje por refuerzo a sistemas multiagente. PÚBLICO OBJETIVO: Estudiantes y profesionales de ingeniería y otras áreas afines cuyo interés sea la comprensión de diferentes métodos de la computación inteligente así como la aplicación de los mismos en la solución de problemas reales en ámbitos académicos y/o profesionales. Es importante que el participante tenga nociones de cálculo vectorial, lógica y teoría de conjuntos, álgebra lineal y programación. HORARIO: Viernes de 5:00 a 9:00 p.m. y sábados de 8:00 a.m. a 1:00 p.m. FECHAS:   LUGAR: UPB Medellín Campus Laureles VALOR: $1.270.000 toda la diplomatura $378.000 Módulo I $94.500 Módulo II $315.000 Módulo III $220. 500 Módulo IV $220.500 Módulo V $136.500 Módulo VI