I Detalles I

Sesión : Enero 2021

Fecha : Viernes, 5 de febrero al 12 de marzo de 2020 (6 viernes)

Horario : 6:00 pm a 9:00 pm

Horas Contacto : 18 (1.8 CEUs)

I Descripción I

Machine Learning es una disciplina científica perteneciente al campo de la Inteligencia Artificial, que crea sistemas que aprenden automáticamente. Es un algoritmo que revisa los datos históricos y es capaz de predecir comportamientos futuros. Implícitamente, estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana. Grandes cantidades de datos se generan de diversas fuentes, y este campo facilita el extraer y reconocer patrones y tendencias para comprender qué nos dicen los datos. Para ello, se vale de algoritmos que pueden procesar estos datos y obtener información útil.

El curso incluirá conceptos como el estudio detallado del aprendizaje automático,  la reducción de la pérdida, aprendizaje supervisado y no supervisado.

I Modalidad I

  Video-presencial

Este curso se ofrecerá de forma video-presencial (videoconferencia en vivo) por medio de la plataforma Zoom. Le compartiremos un enlace a su correo electrónico mediante el cual podrá acceder al curso en el día y horario previamente indicado.  Es importante que ingrese su email y número de teléfono al realizar su matrícula, ya que le contactaremos por estos medios para apoyo técnico. 

En este video podrá conocer cómo conectarse a nuestros cursos por medio de la plataforma Zoom en su dispositivo móvil. 

I Profesor I

 Vanessa Rivera Quiñones, PhD

Vanessa es bióloga matemática con una pasión por contar historias a través de los números usando modelos matemáticos, ciencia de datos, comunicación científica y educación.

Actualmente es instructora del programa de Sagrado Global Data Science & Analytics, co-editora del Blog de la Sociedad Matemática Americana sobre Blogs de Matemáticas, y Asociada Junior en Lathisms.org.

Interesa contribuir a los crecientes desafíos de la sostenibilidad, la atención sanitaria y la educación a través de una lente de justicia social.

Partiendo del trabajo más amplio de la epidemiología matemática, utiliza ecuaciones diferenciales ordinarias y parciales para estudiar cómo cambian cantidades como la prevalencia de la enfermedad y el número básico de reproducción debido a las variaciones del huésped y del entorno.

Algunos proyectos de investigación incluyen:
"Modelos estocásticos para epidemias recurrentes" (2019)
"El papel de la recuperación en la dinámica de la enfermedad de Daphnia" (2018)
"Adaptación del comportamiento en las poblaciones de Daphnia" ( 2017)
"Polimorfismo del huésped en las epidemias de Daphnia" (2015)
"Dinámica Evolutiva de la Virulencia" (2014)

Para más detalles sobre su perfil puede visitar la página web de la Profesora: https://www.vriveraqphd.com/home

o en su perfil en LinkedIn:  https://www.linkedin.com/in/vriveraq/

NOTA: Curso se ofrece sujeto a matrícula mínima y disponibilidad del(a) profesor(a).