Fundamentos Teóricos del Aprendizaje para el Diseño de Algoritmos

Resumen

Delve into the learning-theoretic foundations of algorithm design with Maria-Florina Balcan, as she shares her expertise from Carnegie Mellon University. This engaging talk reveals the integration of artificial intelligence in solving complex problems within mathematics and theoretical computer science.

Available through YouTube, this is a must-watch for anyone interested in the cutting-edge applications of AI in these fields.

Programa

• Introducción a la Teoría del Aprendizaje
Resumen de Conceptos de Aprendizaje Automático
El Papel de la Teoría del Aprendizaje en la IA
• Modelos Fundamentales de Aprendizaje
Aprendizaje Probablemente Aproximadamente Correcto (PAC)
Aprendizaje en Línea
Marcos de Aprendizaje Estadístico
• Diseño y Análisis de Algoritmos
Fundamentos del Diseño de Algoritmos Eficientes
Algoritmos de Aproximación
Algoritmos Aleatorizados
• Conexiones Entre Teoría del Aprendizaje y Diseño de Algoritmos
Aprovechamiento del Aprendizaje para el Diseño de Algoritmos
Algoritmos de Aprendizaje en la Ciencia de la Computación Teórica
• Perspectivas Teóricas en Aplicaciones de IA
Aplicaciones en Matemáticas
Aplicaciones en Ciencia de la Computación Teórica
• Estudios de Caso y Aplicaciones del Mundo Real
Estudios de Caso de Investigación de Carnegie Mellon
Avances en IA con Fundamentos Teóricos
• Temas Avanzados en Técnicas de Teoría del Aprendizaje
Aprendizaje Game-Theoretic
Multi-Armed Bandits y Exploración vs. Explotación
• Direcciones Futuras y Problemas Abiertos
Desafíos en el Diseño de Algoritmos de Teoría del Aprendizaje
Direcciones Emergentes de Investigación en IA
• Conclusión y Resumen
Resumen de Conceptos Clave
Reflexiones Finales sobre las Bases de la Teoría del Aprendizaje
• Lecturas y Recursos Complementarios
Textos y Artículos Recomendados
Recursos y Conferencias en Línea
• Evaluación y Valoración
Conjuntos de Problemas
Proyectos y Presentaciones
Examen Final

---

Materias

Computer Science