Profesores: Dr. Emanuele Schiavi, Victoria Ruiz e Iván Ramírez.
Asignatura introductoria para fortalecer las bases matemáticas del título.
En la asignatura se introduce el álgebra lineal y numérica, los problemas de optimización, los métodos numéricos, los fundamentos de estadística y del aprendizaje profundo.
Esta asignatura encuentra aplicaciones en los filtrados espaciales, los modelos de degradación y restauración, el modelado y la eliminación de ruido y la optimización en modelos neuronales.
Índice de la asignatura
Bloque 1.- Fundamentos Matemáticos
Álgebra Lineal, álgebra numérica, cálculo multivariable.
Bloque 2.- Cálculo variacional
Cálculo variacional, ecuaciones diferenciales en derivadas parciales y procesamiento de imagen.
Bloque 3.- Estadística Bayesiana
Fundamentos de estadística bayesiana, introducción al aprendizaje automático, distribuciones de probabilidad.
Bloque 4.- Aprendizaje profundo (deep learning)
Redes neuronales, redes convolucionales, descenso de gradiente, backpropagation, optimizadores, Tensorflow.