Responsables de Tecnologies de la Informació i direcció
Conscienciar i formar en Machine Learning als responsables TI i de direcció per tal d'identificar usos a la Universitat.
1. Fonaments de Machine Learning. Carlos Bernà
- Categories: supervisat, no supervisat, por refoç.
- Classificació, clustering, regressió.
- Casos d'ús.
2. Deep Learning. Xarxes neuronals. Carlos Bernà
- Principals arquitectures: Autoencoders, DBNs (Deep Belief Networks), GANs (Generative Adversarial Networks), Convulacionals (CNNs), Recurrents (RNNs), LSTM.
- Exemples i casos d'ús.
3. Implementació de xarxes neuronals amb Tensorflow. Carlos Bernà
- Creació de l'entorn de treball: Python, Tensorflow, Keras, Pandas, Jupyter Notebook, etc.
4. Demos amb diverses fons de dades. Carlos Berná
- Predicció temps de resposta sistema SAP.
- Predicció índex felicitat empleats (Kuaile).
5. Machine Learning as a Service. AWS Sagemaker. Vicente Aguilar
- Serveis disponibles en AWS: AMIS per a ML, SageMaker, Amazon ML, Rekognition, Polly,...
Al final del curs es farà una prova final en la que seran avaluats els coneixements dels estudiants. Per poder presentar-se a aquest examen és condició necessària haver assistit, com a mínim, al 80% de les hores del curs.
Aquells estudiants que hagen assistit, com a mínim, al 80% de les hores del curs, i hagen obtingut una qualificació d'apte en la prova final, tindran dret a que els siga expedit un certificat d'aprofitament. En aquells casos en els quals no s'haja complit amb el requisit de l'assistència mínima no s'expedirà cap certificat.