N1 (19 a 22hs) Reconocimiento Lógico Combinatorio de Patrones y Minería de Datos Mezclados e Incompletos

Profesor: José Ruiz Shulcloper (CENATAV, Cuba). Horario: Turno noche, de 19 a 22 horas. En castellano.

Profesor: José Ruiz Shulcloper

Horario: Lunes a viernes de 19 a 22 horas. Aula 8 (pabellón 1).

Idioma: castellano

Evaluación: trabajo práctico - Bajar el enunciado.

Los problemas de reconocer objetos o fenómenos descritos en términos de datos cuantitativos y cualitativos (simultáneamente) son muy frecuentes en disciplinas como la Medicina, las Geociencias, la Sociología, la Criminología entre muchas otras de las llamadas ciencias poco formalizadas (soft sciences): el diagnóstico médico, o técnico de equipos, el pronóstico de recursos minerales o de peligrosidad sísmica, el modus operandi de un delito, el perfil de los consumidores de un mercado y muchos más, son problemas reales que han sido abordados de manera inadecuada a lo largo de la historia del Reconocimiento de Patrones y la Minería de Datos. Esto motivó el surgimiento de un área de trabajo: el Reconocimiento Lógico Combinatorio de Patrones y su aplicación a grandes volúmenes de datos, la Minería de Datos Mezclados e Incompletos. ¿Cómo se modela un problema real de Reconocimiento de Patrones? ¿Cómo se resuelven los problemas que antes se resolvían en espacios métricos y ahora se deben resolver en simples productos Cartesianos? ¿Qué se ha hecho en esta área de investigaciones teóricas y aplicadas? Y sobre todo ¿qué falta aún por hacer y que está esperando por el concurso de sus aportes? Esas respuestas y otras más encontrarán en este curso, impartido por el precursor de esta rama del Reconocimiento de Patrones.

Este curso puede ser de mucho interés para estudiantes de pregrado y de postgrado en Ciencias de la Computación, Matemática, Informática y otras disciplinas afines, así como a profesionales en el área del Reconocimiento de Patrones y la Minería de Datos especialmente vinculados a problemas prácticos de las mencionadas ciencias poco formalizadas. También les resultará interesante a investigadores, profesores y profesionales relacionados con el Reconocimiento de Patrones, el Aprendizaje por Máquinas (Machine Learning), Inteligencia Artificial, Minería y Análisis de Datos.

Nota: El programa está basado en la tesis en opción al grado de Doctor en Ciencias (doctorado de segundo nivel en Cuba) realizado por el autor en septiembre del 2009. Material del que podrán hacer uso en formato electrónico, los participantes al curso.

Conferencia 1.- Metodología de la Modelación Matemática de Problemas de Reconocimiento de Patrones

Conferencia 2.- Selección de Rasgos y Objetos

Conferencia 3.- Clasificadores Basados en Precedencias Parciales

Conferencia 4.- Clasificación No Supervisada

Conferencia 5.- Aplicaciones:

Estructuración de Grandes Bases de Datos Mezclados e Incompletos
Minado de Reglas de Asociación en Bases de Datos Mezclados e Incompletos
Análisis de los factores sociales en el surgimiento de la delincuencia juvenil en Cuba
Pronóstico de magnitudes máximas de terremotos
Determinación de anomalías AGE perspectivas para fosforita