Estudiantes de la EPN representaron a Latinoamérica en competencia internacional
Kharol Chicaiza, Ivanna Cevallos, Mateo Sarzosa y Fabricio Simbaña, estudiantes de la Facultad de Ingeniería de Sistemas de la Escuela Politécnica Nacional (FIS-EPN) representaron a Latinoamérica en la competencia internacional Cyber 9/12 Strategy Challenge, que se realizó en Washington DC, Estados ...
CALL FOR PAPERS Latin-American Journal of Computing (LAJC)
La Revista Latin American Journal of Computing (LAJC) es una publicación de Acceso Abierto Diamante revisada por pares doble ciego, auspiciada por la Facultad de Ingeniería de Sistemas de la Escuela Politécnica Nacional de Ecuador, una de las mejores universidades de investigación en Ciencias de la ...
New Issue Published Volume 11 Issue 1 (January 2024)
We cordially invite our readership worldwide to check out the new issue of the Latin-American Journal of Computing (LAJC)
loading...
loading...
loading...

MCSO334 Tópicos Especiales

Tópicos Especiales

DATOS GENERALES

Código MCSO334
Pénsum 2020B
Horas semanales 9
Tipo Obligatoria
Asignaturas pre-requisitos MCS214 Teoría de la Computación
Asignaturas co-requisitos Ninguna
Unidad de organización curricular Unidad de Formación Disciplinar Avanzada

RESULTADOS DE APRENDIZAJE

De conocimiento
 Integrar conocimientos referentes a nuevas tendencias en el campo de los sistemas inteligentes para la representación de sistemas y sus comportamientos.
De destrezas Desarrollar aplicaciones de sistemas inteligentes usando nuevas tendencias en el campo.
De valores y actitudes Considerar la ética investigativa, responsabilidad social y rigurosidad científica al tratar temas de sistemas inteligentes demostrando honestidad, responsabilidad, dedicación y colaboración.

CONTENIDO

Capítulo 1 Aprendizaje de máquina
  1. Preliminaress de aprendizaje automático, y
  2. Tareas de aprendizaje automático.
Capítulo 2 Aprendizaje supervisado
  1. Regresión: máxima verosimilitud, mínimos cuadrados;
  2. Métodos bayesianos: regla de Bayes, otros, y
  3. Algoritmos clásicos de clasificación: perceptrón, regresión logística.
Capítulo 3

Aprendizaje no supervisado
  1. Métodos de agrupamiento: K-Means, E-M;
  2. Sistemas de recomendación: Modelado de tópicos, PCA;
  3. Mapas auto-organizativos, y
  4. Modelos de datos secuenciales: modelos de Markov y modelos ocultos de Markov.

Teléfono
(+593) 2 2976 300 ext 4701
Correo electrónico
info@epn.edu.ec
Dirección
Av. Ladrón de Guevara 253, Quito 170517

Back to top