Título del Curso: UNIVERSIDAD NACIONAL DE SAN JUAN

UNIVERSIDAD NACIONAL DE SAN JUAN
FACULTAD DE CIENCIAS EXACTAS,
FÍSICAS Y NATURALES
INSTITUTO DE INFORMÁTICA
Curso de Perfeccionamiento
Introducción al Reconocimiento de Patrones:
Teoría y Aplicaciones en Bioinformática
Título del Curso:
Introducción al Reconocimiento de Patrones:
Teoría y Aplicaciones en Bioinformática
Profesor Responsable:
Dr. Luis G. Rueda
Modalidad:
Curso de Perfeccionamiento
Fechas de realización:
Inicio: 19/12/03 9 hs
reconocimiento de patrones.
c) Evaluar y validar un sistema de reconocimiento de
patrones.
d) Poseer técnicas de reconocimiento de patrones:
Clasificación Bayesiana, clasificación paramétrica y no
paramétrica, clasificadores lineales, aprendizaje no
supervisado y agrupamiento.
e) Ven en funcionamiento una aplicación real.
Clases: 20, 22, 23 y 26/12/2003.
Examen final: 27/12/2003.
Metodología de enseñanza - aprendizaje:
Presentación del proyecto: 31/01/2004.
Clases teóricas y aplicaciones de ejemplos prácticos.
Objetivos:
El objetivo principal es introducir al participante a las
técnicas usadas actualmente para el reconocimiento
de patrones y aprendizaje, su diseño, implementación,
evaluación, y su aplicación a la clasificación y
agrupamiento. Además serán introducidas, aplicaciones en bioinformática.
Al finalizar el curso el participante será capaz de:
a) Afirmar los conceptos básicos de matemática y
Diciembre de 2003
b) Analizar, diseñar e implementar un sistema de
algoritmos, y su aplicación al reconocimiento de
patrones.
Desarrollo de un proyecto bajo tutela del profesor, vía
e-mail.
Requisitos para aprobación:
Para la aprobación del curso deberá cumplir con los
siguientes ítems:
1. Asistencia a clases y participación: 75 %
2. Obtener una nota mayor o igual a 7, teniendo en
cuenta que la misma será un valor ponderado de
acuerdo a los siguientes criterios:

Examen final: 50%

Un proyecto: 50%
Contenidos:
M2: Teoría de la decisión Bayesiana: Regla de
Duración y Carga horaria:
1. Introducción al álgebra lineal y probabilidades.
decisión, teorema de Bayes, espacio de variables,
Clases: 40 horas. 8 hs. por día, aproximadamente,
2. Teoría de la decisión Bayesiana.
minimización de riesgo, superficies de decisión.
horario a convenir
3. Técnicas de clasificación no-paramétricas.
Funciones de distribución probabilística, distribución
Proyecto: 10 horas.
4. Clasificadores lineales.
normal: casos, error de clasificación, probabilidades e
Total: 50 horas.
5. Aprendizaje no-supervisado y Agrupamiento.
integrales. Diseño de un sistema real.
Cupo:
6. Evaluación de clasificadores.
7.
Aplicaciones
en
bioinformática:
Análisis
y
clasificación en microarreglos y/o biosecuencias.
M3:
Aprendizaje
supervisado:
Estimación
de
parámetros, máxima verosimilitud y método de Bayes.
10 Mín- 30 Máx. personas. En caso de superarse el
cupo, se seleccionará por orden de inscripción.
Ejemplos. Clasificación no paramétrica: Método del
Cronograma - Planificación de clases:
vecino mas próximo (simple y múltiple), mapas de
El dictado de clases se dividirá en 5 módulos (M1-M5)
Voronoi.
de 8 horas cada uno (un modulo por día).
Ejemplos.
Análisis
de
componentes
principales.
Los módulos incluirán los siguientes temas:
M4: Clasificadores lineales: Forma general, método de
M1: Revisión de álgebra lineal, matrices y vectores,
Fisher, criterio del perceptron, método de los mínimos
transformaciones, derivadas, determinantes, inversión
cuadrados, maquinas de vectores de soporte. Diseño
y autovalores. Ejemplos. Probabilidades, axiomas,
de un sistema real. Métodos de evaluación de
variables aleatorias, probabilidades condicionales,
clasificadores.
Requisitos de Admisión:
Conocimientos básicos de:
- matemática, algoritmos y
- un lenguaje de programación: Java o C/C++, o
(preferentemente)
una
herramienta
de
calculo
numérico/simbólico: Matlab o Maple.
Arancel:
$30 por persona.
Lugar de realización: Instituto de Informática, FCEFN
media, varianza, covarianza, vectores aleatorios.
Ejemplos. Algoritmos y complejidad, crecimiento de
M5: Aprendizaje no supervisado y agrupamiento:
funciones, cotas asintóticas, funciones orden (O) y
algoritmo de las k medias, algoritmo difuso,
omega. Análisis de algoritmos y recursión. Ejemplos.
medidas de similitud, funciones objetivo y
Esquema de un sistema de reconocimiento de
problemas de validación. Ejemplos. Aplicaciones:
patrones.
Caso de estudio de un problema en bioinformática
(microarreglos y/o clasificación de genes).
2º Piso Edificio Islas Malvinas – Complejo CUIM
Inscripción e Informes:
Instituto de Informática – FCEFN
Tel: 4260353/5 Int. 161 o Int. 138 de 8 a 13 hs.
O al e-mail [email protected]