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.