SEMINARIO: REDES NEURONALES ARTIFICIALES
1.- Objetivos
- Conocer y entender los elementos asociados a la neurona artificial.
- Entender el proceso de entrenamiento de una red neuronal artificial (RNA) y en particular como funciona el algoritmo de retropropagación de errores.
- Conocer algunas de las instrucciones básicas del software MATLAB que permitan implementar una red neuronal artificial de tipo perceptrón multicapa y como organizar los datos para la fase de entrenamiento y prueba.
- Implementar un sistema neuronal artificial para resolver problemas de clasificación y problemas de regresión no lineales.
2.- Dirigido a:
- Ingenieros del área de Automatización e ingenieros petroleros de la empresa petrolera.
- Ingenieros preferiblemente electrónicos, de sistemas, informáticos, electricistas, químicos, eléctricos o carreras afines interesados en conocer este apasionado mundo de las RNA.
- Si Usted no conoce nada sobre RNA este curso es perfecto para usted. Si Usted conoce sobre redes neuronales pero tiene algunas dudas en cuanto al funcionamiento de los algoritmos de entrenamiento, este curso sería apropiado para reforzar sus conocimientos sobre RNA.
3.- Justificación:
En los últimos 30 años se han desarrollado una gran diversidad de aplicaciones basadas en redes neuronales artificiales. Las principales áreas de aplicación son la predicción, la clasificación, el reconocimiento de imágenes, reconocimiento de voz, la detección automática de fallas en procesos industriales complejos, diseño de sensores virtuales, reconocimiento de tumores cancerígenos etc. Dentro del área del Machine Learning (Máquina de Aprendizaje) y del Deep learning (Aprendizaje profundo), las redes neuronales artificiales se han convertido en la principal estrategia para resolver problemas de alta complejidad.
4.- Modalidad de Cursado
a.-) Cursado 100% online en vivo, mediante una plataforma en la que puede ver y escuchar al instructor e interactuar con los participantes.
.b.-) Presencial.
5.- Metodología:
- Exposición dialogada de los instructores con presentaciones PP y Videos (20%).
- Trabajos Grupales (80%).
- Análisis de casos reales.
- Debate entre los participantes.
6.- Temario
- UNIDAD I:
- Redes neuronales biológicas y la red neuronal artificial.
- Aprendizaje Supervisado de una red neuronal artificial.
- Perceptrón Multicapa.
Método del descenso del gradiente y Algoritmo de Retropropagación de errores.
- UNIDAD II
- Casos de Estudio I: Implementación de la operación lógica XOR.
- UNIDAD III
Caso de Estudio II: Detección automática de fallas en pozos completados con bomba de cavidad progresiva
- UNIDAD IV
Caso de Estudio III: Diseño de un sensor virtual para la medición de flujo de petróleo diluente en pozos de petróleo pesado.
7.- Duración
Duración total del curso 16 horas Académicas.
8.- Acerca del Instructor
Miguel Ramírez es Ingeniero Electrónico egresado del Instituto Universitario Politécnico de las Fuerzas Armadas Nacionales de la ciudad de Maracay en el año 1994. En el año 2004 obtuvo el título de Especialista en Automatización e Informática Industrial en la Universidad de Oriente en Puerto la Cruz y en el año 2013 obtuvo el título de Doctor en Ciencias Aplicadas de la Universidad de los Andes en Mérida. Cuenta con 24 años de experiencia en la empresa PDVSA en el área de Automatización y Control. Desde el año 2010 ha estado involucrado en proyectos de relacionado a la implementación de sistemas basados en redes neuronales artificiales para la optimización de métodos de levantamiento artificial de crudo. Adicionalmente se desempeña como Profesor del programa de Maestría y Especialización en Automatización e Informática industrial del Departamento de Ingeniería Eléctrica de la Universidad de Oriente en Puerto La Cruz, Venezuela, desde el año 2012.
Ph.D Miguel Ángel Ramírez
9.- Información Adicional
9.1.- Vacantes
El curso requiere un cupo mínimo de participantes para confirmar su realización.
9.2.- Forma de Pago
Transferencia, Tarjetas de Débito y Crédito.