| Estructura de las practicas: Los análisis descriptos se realizarán sobre código ya escrito que se brindará a los estudiantes para que exploren su uso, los espacios paramétricos, y sobre el cual escribirán modificaciones menores en forma guiada por los docentes. Se trabajara en el aula (aula Federman)
Cronograma: Día 1. Tutorial para la programación en “Python”. Librerías para el trabajo en ciencias (numpy). Cerramos con un integrador sencillo de ecuaciones diferenciales. Notebook: https://colab.research.google.com/drive/1RFwvLZf8u8vKWEBneO3Y4BcjqVkNrvj-?usp=sharing . Diapositivas: https://drive.google.com/file/d/1bIn9YL7RFYlqeUmamo12N9qel0wXJgNK/view?usp=sharing Día 2. Resolución de ecuaciones diferenciales ordinarias. Método de Euler, rk4 y odeint. Forma normal de la bifurcación de Takens Bogdanov bidimensional. Gráficos de campo vector con matplotlib. Notebook:https://colab.research.google.com/drive/1mp–C-cV3BKDj46VxZzh3l9sKEcDIxqh?usp=sharing . Diapositivas: https://drive.google.com/file/d/1tJ5ib7qIi0ncjQWJDb2fyXgaT3XQsXvm/view?usp=sharing Día 3. Redes neuronales: Clasificación. Introducción a Keras. Ejemplo con Fashion-MNIST. Notebook:https://drive.google.com/file/d/1EIjJPm7Polq329zXvMrsgf1MJiLb4PFn/view?usp=sharing . Diapositivas: https://drive.google.com/file/d/1SeDJw-t8lvrwctJ5F_PuiyOMPINfaWRs/view?usp=sharing Día 4. Redes neuronales: Regresión. Ejemplo básico de regresión en predicción de series temporales. Notebook:https://drive.google.com/file/d/1NTeugeGCdkJh0b_jD8Sn5MZo212fBItW/view?usp=sharing . Diapositivas: https://drive.google.com/file/d/1kP2Qk5Z6qTolnJDZWY1XEOVKtKOpjNzf/view?usp=sharing Día 5. Sistemas de dinámica temporal compleja. Osciladores no lineales forzados periódicamente. Señales subarmonicas, caóticas. Descripciones espectrales. Notebook:https://colab.research.google.com/drive/1znPwMy-_NAvxiQ-PVit-DMbgHt_k_vFq?usp=sharing Dia 6. Redes recurrentes. El corazón dinámico detrás de la posibilidad de predecir, entrenando con segmentos de señales temporales. Notebook: https://drive.google.com/file/d/1rk2LXMadVXT3-yfnLq-eruveKNtsuDUU/view?usp=sharing . Diapositivas: https://drive.google.com/file/d/1ECRH_3fQFqhO2tUYwnR2Mukce0wIyQMy/view?usp=sharing Dia 7. SVD y análisis de patrones espacio temporales. Análisis de películas. Reconstrucción de modos empíricos. Notebook: https://drive.google.com/file/d/1soabHtLUBWSc3LQCa6tAoDQZlg7innp8/view?usp=sharing . Datos: https://drive.google.com/file/d/1iakLj0IV02bDFcJklZdSBrM9Ck2Fe2nt/view?usp=sharing . Dia 8. Autoencoders. Reconstrucción de modos no lineales con Autoencoders. Notebook: https://drive.google.com/file/d/1XH-U39-puZkBUiGUGKZacwnlLFU0oW0P/view?usp=sharing . Dia 9. Reconstrucción de campos vectores a partir de datos. Ajustes de parámetros para campos vectores a partir de datos utilizando regresión LASSO y SINDy. Luces y sombras de este tipo de métodos. Notebook: https://drive.google.com/file/d/1ZlZSKMiQnTf9lgb3Qg_0dkNamTvV7TIL/view?usp=sharing . Diapositivas: https://docs.google.com/presentation/d/1TZaGhqsxrAmgKGDyupPw_akoMVIgXTiwgS85C4hyqVY/edit?usp=sharing Dia 10. Discusión de proyectos.
|
