Esta materia fue pensada como una materia de posgrado, apuntando a comparar dos aproximaciones al modelado de datos: el de la ciencia interpretativa, y el de la inteligencia artificial.
Consiste en 10 clases teóricas seguidas de 10 practicas. En las mismas, describo una variedad de temas que incluyen, para describir la primera perspectiva, la teoría cualitativa de sistemas dinámicos, bifurcaciones, formas normales, embeddings y ajustes de campos vectores (sindy). Luego avanzamos al estudio de redes neuronales, describiendo los trabajos de Hopefield y Hinton, perceptrones multicapa y el teorema de la aproximación universal. Seguimos con backpropagation, autoencoders, redes convolucionales, redes de Kolmogorov Arnold, y terminamos con redes recurrentes y transformers.
El DF permite a sus estudiantes de grado tomar la materia como optativa. En este caso, las matemáticas de la carrera son correlativas de la materia.
Pensada como un curso de posgrado, el régimen de cursada es intensivo: 10 días hábiles consecutivos entre el 23 de junio y el 4 de julio del 2025, de 14 horas a 18 horas, en aula a confirmar.