Redes Neuronales - FAMAF - Computacion

2C (generalmente)

Puntaje: 120

Correlativas para cursar

Materia	Condición
Analisis Matematico II	Aprobada
Probabilidad y Estadistica	Regularizada

Correlativas para aprobar

Materia	Condición
Analisis Matematico II	Aprobada
Probabilidad y Estadistica	Aprobada

Correlativas de otras carreras

Revisar en: Correlativas

Alcance de la materia

Como curso de grado

• Optativa de la Licenciatura en Cs. de la Computación
• Optativa de la Licenciatura en Matemática Aplicada de FAMAF.
• Especialidad de la Licenciatura en Física de FAMAF.
• Especialidad de la Licenciatura en Matemática de FAMAF.
• Materia de la Licenciatura en Economía de la FCE de la UNC.

Como curso de posgrado

• Curso de posgrado del Doctorado en Cs. de la Computación de FAMAF.
• Curso de posgrado del Doctorado en Física de FAMAF.
• Curso de posgrado del Doctorado en Matemática de FAMAF.

Es correlativa de:

• Ninguna.

Clonar el repositorio`

https

git clone https://github.com/FAMAF-resources/Optativa-Redes_Neuronales-FAMAF.git

ssh (recomendado)

git clone [email protected]:FAMAF-resources/Optativa-Redes_Neuronales-FAMAF.git

Update

git pull && git submodule update --init --recursive

Pagina de la materia

2023

Aula virtual

Practico

Bibliografia

Básica

• Strogatz S.H., "Nonlinear dynamics and chaos" Addison-Wesley Publishing Company (1994).
• Dayan P. and L. Abbott, "Theoretical neuroscience: computational and mathematical modeling of neural systems", MIT Press (2001).
• T.M. Mitchell, "Machine Learning" McGraw-Hill (1997).
• J. Hertz, A. Krogh and R.G Palmer, "Introduction to the theory of neural computation", Santa Fe Institute (1991).
• Michael A. Nielsen, "Deep learning", Determination Press (2016).

Complementarios

• Izhikevich E.M., "Dynamical systems in neuroscience: the geometry of excitability and bursting", MIT Press (2006).
• Rieke F., Warland D., de Tuyter van Steveninck R. and Bialek W., "Spikes: exploring the neural code", MIT Press (1999).
• MacKay D.J.C., "Information theory, inference and learning algorithms", Cambridge University Press, (2003).
• Hstie T., Tibshirani R. and Fiedman J, "The elements of statistical learning, data mining, inference and prediction", Springer Verlag (2001).
• Ian Goodfellow, Yoshua Bengio and Aaron Courveille, "Deep learning", MIT Press (2016)

Contribuciones

Este es un proyecto con fines de facilitar el acceso al material para estudio.

Cualquier persona puede realizar su aporte con apunte, resumen, libro, o actualizacion de este repositoro. Puede ser realizado por una pull request (PR) o comunicarse con los administradores.

Contributors