Close
Twitter Instagram LinkedIn Facebook YouTube Spotify
DCC | Programa del Curso: Algoritmos Evolutivos

Programa de Curso

Algoritmos Evolutivos

Código

CC66M

Créditos

3

Duración

24 HORAS

Valor Individual

30 UF

Objetivos

Al final de este curso el estudiante será capaz de:

  • Identificar el rol de la programación genética y aprendizaje por refuerzo en el campo de la inteligencia artificial
  • Aplicar programación genética y aprendizaje por refuerzo para solucionar problemas de optimización y de búsqueda de programas (buscar ecuaciones, optimización, buscar camino más corto). 

Contenidos

Este curso entrega los fundamentos necesarios para entender, desarrollar y aplicar técnicas de Programación Genética (PG) y reinforcement learning, dos técnicas del campo de inteligencia artificial:

La programación genética es una colección de técnicas de computación evolución que permite a un computador solucionar problemas automáticamente.

El aprendizaje por refuerzo es determinar qué acciones debe escoger un agente de software en un entorno dado con el fin de maximizar alguna noción de "recompensa" o premio acumulado.

Un largo rango de problemas, solucionables con técnicas de RN y PG, son detallados y estudiados a lo largo del semestre.

Bibliografía

  • Artifical Intelligence: A Modern Approach (Third Edition), Russell, Stuart Norvig, Peter, 2009.
  • A field Guide to Genetic Programming, Ricardo Poli, William B. Langdon, Nicholas F. McPhee, 2008, http://www.gp-field-guide.org.uk
  • The Nature of Code, Daniel Shiffman, 2012, http://natureofcode.com
  • Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning), Richard S. Sutton and Andrew G. Barto, 1998.

Bibliografía

  • Artifical Intelligence: A Modern Approach (Third Edition), Russell, Stuart Norvig, Peter, 2009.
  • A field Guide to Genetic Programming, Ricardo Poli, William B. Langdon, Nicholas F. McPhee, 2008, http://www.gp-field-guide.org.uk
  • The Nature of Code, Daniel Shiffman, 2012, http://natureofcode.com
  • Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning), Richard S. Sutton and Andrew G. Barto, 1998.

Profesores

Alexandre Bergel

Alexandre Bergel

Descuentos y Forma de Pago

Descuentos

  • 50% funcionarios de la Universidad de Chile - jornada de 44 horas - o sus cargas (contrata o planta con nombramiento superior a 1 año).
  • 30% para afiliados a Caja los Andes y otras instituciones con convenio firmado.
  • 30% para ex-estudiantes de pregrado, magíster, doctorado, diplomas y cursos de educación continua de la Universidad de Chile.
  • 30% para mujeres.
  • 30% para personas provenientes de pueblos originarios, regiones y extranjeras/os no residentes en Chile.
  • 30% funcionarias/os del estado - jornada desde 22 horas (contrata o planta con nombramiento superior a 1 año).
  • 30% por grupo (3 o más personas de una misma institución o empresa).
  • 25% funcionarios de la Universidad de Chile - jornada de 22 horas - o sus cargas (contrata o planta con nombramiento superior a 1 año).
  • 25% por grupo (2 personas de una misma institución o empresa).

Importante: Los descuentos NO son acumulables entre sí y al momento de postular se deben acompañar los documentos que acrediten la calidad que habilita a obtener el descuento.

Forma de Pago

  • Transferencia electrónica (hasta en 12 cuotas sin interés).
  • Tarjeta de crédito (hasta en 12 cuotas sin interés).

Cursos Relacionados

Contacto

Ubicación

Departamento de Ciencias de la Computación
FCFM, Universidad de Chile

Beauchef #851, Edificio Norte, tercer piso, oficinas 326-327. Santiago

© 2022 - 2024 Departamento de Ciencias de la Computación, Universidad de Chile