Estos reportes se entregan sobre un tema en especifico. Lo ideal sería que los reportes se realizarán de forma individual, pero por tiempos es imposible retroalimentar a cada persona, por lo cual la entrega se realizará en equipos. Cada reporte tiene instrucciones especificas.
Si necesitas digitalizar puedes utilizar una aplicación móvil (Tiny Scanner es gratuita) o el dispositivo que prefieras. Considera lo siguiente:
La entrega es en equipos de 3 a 5 personas.
El reportes se entrega dentro del archivo asociado en Temas
En la parte superior del archivo asociado en Teams se anotan los nombres de todos los integrantes
La primer hoja es una caratula con la clave de la actividad y los nombres de los integrantes completo (comenzando por nombre, en orden alfabético).
Nombre(s)1 ApellidoPaterno ApellidoMaterno
...
Nombre(s)n ApellidoPaterno ApellidoMaternoLos problemas se presentan en orden (ascendente). Cada problema debe tener número, enunciado y la solución correspondiente, de forma sucesiva.
Verifica que el documento sea legible, en particular, si estas utilizando la cámara del dispositivo móvil, cuida que el documento este enfocado.
Verifica que la orientación del documento este alineada con la vista del lector.
Cada integrante del equipo carga el mismo trabajo.
En la plataforma del curso estará el enlace para entregar. La fecha límite y el material correspondiente se encuentran en las tablas y dentro de Teams.
La actividad se considera finalizada hasta que se carga de forma correcta en la plataforma y se entrega
La retroalimentación se entregará al primer integrante que se revise, la calificación será la misma para todo el equipo, siempre y cuando se cumplan las condiciones de entrega.
Es importante que guardes evidencia de la entrega en tiempo y forma de tu trabajo.
Además en esta sección se encontrarán las notas del curso.
Para las fechas indicadas ya se tiene que haber estudiado el material correspondiente.
| Notas | Tema | Material | Hagan |
|---|---|---|---|
| N01. | Definiciones básicas | videos, notas, archivo | Cap. 2 |
| N02. | Perceptron (una capa) | videos, notas, archivo | Cap. 4 |
No es necesario revisar todo el material. Sólo se requiere repasar los temas que se encuentran en el capítulo 5 y 6 de Hagan. El material de Grossman solo se proporciona por si se quiere profundizar en el repaso.
| Notas | Tema | Material:Grossman | Hagan |
|---|---|---|---|
| N03. | Subespacios Espacio Generado Independencia Lineal Bases y Dimensión Cambio de Base Rang, Nul, espacio Re, Co Bases Ortonormales Producto interno |
5.2, videos, imágenes 5.3, videos, imágenes 5.4 videos, imágenes 5.5, videos, imágenes 5.6 videos, imágenes 5.7, videos, imágenes 6.1, videos, imágenes 6.3, videos, imágenes |
Cap. 5 notas, archivo |
| N04. | T. L., Ima., Nuc. Matriz de una T. L. Isomorfismos Val. y Vec. propios Diagonalización Forma de Jordan |
7.1, 7.2, video, imágenes 7.3, videos, imágenes 7.4, videos, imágenes 8.1, videos, imágenes 8.3, videos, imágenes 8.6, videos, imágenes |
Cap. 6 notas, archivo |
| Notas | Tema | Material | Hagan |
|---|---|---|---|
| N05. | Aprenzidaje de Hebb | videos, notas, archivo | Cap. 7 |
| Reporte | Tema | Material | Entrega Límite |
|---|---|---|---|
| R01. | Neuronas, Redes, Machine Learning | enlace | domingo 29 agosto 23:59 |
| R02. | Pitts, problemas no linealmente separables, perceptron | enlace | domingo 5 septiembre 23:59 |
| Notas | Tema | Material | Hagan |
|---|---|---|---|
| N06. | Optimización I | videos, notas, archivo | Cap. 8 |
| N07. | Optimización II | videos, notas, archivo | Cap. 9 |
| N08. | ADALINE | videos, notas, archivo | Cap. 10 |
| N09. | Backpropagation | videos, notas, archivo | Cap. 11 |
| N10. | Variantes Backpropagation | videos, notas, archivo | Cap. 12 |
| N11. | Generalización | videos, notas, archivo | Cap. 13 |
| Reporte | Tema | Material | Entrega Límite |
|---|---|---|---|
| R03. | Aproximadores universales, Codificación de características | enlace | lunes 20 septiembre 23:59 |
| R04. | Momentum I, Regresión logística, gradiente descendiente | enlace | lunes 27 septiembre 23:59 |
| R05. | Sistemas lineales discretos, Momentum II, Regresión | enlace | lunes 18 octubre 23:59 |
| R06. | Backpropagation, Neuronal Networks | enlace | lunes 01 noviembre 23:59 |
| Notas | Tema | Material | Hagan |
|---|---|---|---|
| N12. | Aprendizaje asociativo | videos, notas, archivo | Cap. 15 |
| N13 | Redes de competencia | videos, notas, archivo | Cap. 16 |
| N14 | Redes de base radial | videos, notas, archivo | Cap. 17 |
| Reporte | Tema | Material | Entrega Límite |
|---|---|---|---|
| R07. | Aprendizaje no supervisado, Neuronal Networks II | enlace | lunes 08 noviembre 23:59 |
| R08. | Redes asociativas, Convolutional Neuronal Networks | enlace | lunes 15 noviembre 23:59 |
| Notas | Tema | Material | Hagan |
|---|---|---|---|
| N15 | Redes de Grossberg | videos, notas, archivo | Cap. 18 |
| N16 | Teoría de resonancia adaptativa | videos, notas,archivo | Cap. 19 |
| N17 | Estabilidad (Lyapunov) | videos, notas, archivo | Cap. 20 |
| N18 | Red de Hopfield | videos, notas, archivo | Cap. 21 |
| Reporte | Tema | Material | Entrega Límite |
|---|---|---|---|
| R09. | Sequential models | enlace | sábado 11 diciembre 23:59 |
| R10. | Reinforcement Learning | enlace | sábado 18 diciembre 23:59 |
| R11. | Recurrecent Neural Networks | enlace | |
| R12. | Recommender Systems | enlace | |
| R13. | Decision Trees, Nearest Neighbors | enlace | miércoles 23 diciembre 23:59 |