Imagen tomada del sitio: http://cs.brown.edu/courses/cs143/

El objetivo de este curso es presentar al alumnos con las técnicas y métodos básicos de Visión Computacional, considerando temas esenciales, que van desde los componentes básicos del esquema propuesto por Marr,  modelos ópticos y geométricos de formación de imágenes, caracterización de rasgos y formas, seguimiento dinámico de objetos y  la generación de modelos geométricos de los objetos observados en la escena.

Vision_Computacional_MCC.pdfVision_Computacional_MCC.pdf

El aprendizaje automático es una rama de la inteligencia artificial cuyo objetivo es desarrollar
técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de
crear programas capaces de generalizar comportamientos a partir de una información no
estructurada suministrada en forma de ejemplos, aprender a realizar tareas específicas
mediante la interacción con su medio ambiente, o bien, simplemente crear modelos
matemáticos que describan y nos permitan estudiar grandes cantidades de datos. Los
métodos de aprendizaje automático se clasifican en tres grupos principales: aprendizaje por
refuerzo, aprendizaje supervisado, y aprendizaje no supervisado. Entre las aplicaciones del
aprendizaje automático se encuentran la robótica cognitiva, buscadores de internet,
procesamiento de lenguaje natural, reconocimiento de patrones, sistemas inteligentes de
diagnóstico, y minería de datos, por nombrar algunos.

CartaDescriptivaAprendizajeAutomatico.pdfCartaDescriptivaAprendizajeAutomatico.pdf

El curso aborda el estudio de métodos eficientes para calcular los valores óptimos de los parámetros de un modelo matemático. El curso está compuesto de una parte teórica donde se describen los principios de los métodos de optimización propuestos para esta asignatura; así como una parte práctica donde el alumno implementará la solución numérica en el laboratorio para comprender los principios teóricos explicados previamente.

La Geometría Computacional trata del análisis y diseño de algoritmos relacionados con problemas geométricos. Estos algoritmos se requieren en varias áreas tales como GPS, gráficas por computadora, robótica, circuitos digitales, CAD/CAM entre otras.

En este curso se describen las ecuaciones algebraicas de las primitivas geométricas para analizarlas e implementarlas. Se comenta la complejidad temporal y espacial de los algoritmos geométricos y se construyen algunas estructuras de datos para la implementación de dichos algoritmos.