Fundamentos Teóricos del Aprendizaje para el Diseño de Algoritmos

Resumen

Descubra perspectivas sobre las aplicaciones de la inteligencia artificial para las matemáticas y la informática teórica en esta charla de Maria-Florina Balcan de la Universidad Carnegie Mellon.

Programa de estudio

• 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

Asignaturas

Ciencias de la Computación