Datos, Ecuaciones Diferenciales e Inteligencia Artificial

Materia optativa para la Lic., Prof. y Doc en Cs. Matemáticas, Lic. y Doc. en Cs. de Datos. Estudiantes de otras carreras afines son también bienvenidos/as!

Profesor: Facundo Sapienza

Contacto: sapienza@stanford.edu

Introducción¶

¿Te interesa el modelado de datos, las ecuaciones diferenciales y el aprendizaje automático? ¿Te preguntas cómo se pueden combinar conocimiento físico de un sistema con redes neuronales para desarrollar modelos hibridos que puedan aprender con observaciones? ¿Sos escéptico sobre cómo la inteligencia artificial puede producir un efecto positivo en las ciencas? ¿Te interesa ver como métodos de estadística, análisis numérico y optimización son esenciales para el desarrollo de dichos modelos? En tal caso, esta clase puede ser de tu interés.

El curso va a basarse en los siguientes tres ejes:

• Teoría: Vamos a cubrir elementos de estadística, ecuaciones diferenciales, optimización y análisis numérico. La idea es poder dar una base teórica a todos los elementos y metodología introducida.

• Metodología: El curso va a introducir distintos algoritmos y métodos orientados a combinar ecuaciones diferenciales con aprendizaje automático y estadística.

• Aplicaciones: Es clave entender como las necesidades de cada ciencia y de cada aplicación impactan (y en parte, dictan) el desarrollo de nueva metodología. Durante el curso, nos vamos a concentrar en como dichas técnicas son utilizadas hoy en dia en distintos campos de la geofísica.

El curso esta diseñado para balancear estos tres elementos, de manera tal que estudiantes e investigadores que estén interesados en matemática pura, matemática aplicada, estadística, computación, física, y/o ciencias de datos puedan aprender algo interesante, motivador, y con un poco de suerte, inspirador.