Prerrequisitos: Fundamentos del Machine Learning, Ecuaciones Diferenciales, Requisito de Lectura en inglés y Requisito de Español. Electiva con contenido en Ingeniería(I).

Este es un curso de 2 créditos, que se ofrece en el periodo 8A. El curso se enfoca en la comprensión y procesamiento de imágenes.

Para que sea válida como electiva, debe verse también la microcredencial Visión Artificial II: Más Allá De Las Imágenes 2D MAIA 4322. En conjunto, las electivas MAIA 4321 y MAIA 4322 funcionan como una electiva de código IBIO.

Prerrequisitos: Análisis y Procesamiento de Imágenes o Fundamentos de Reconocimiento Visual, Requisito de Lectura en Inglés y Requisito de Español.

Este es un curso de 2 créditos, que se ofrece en el periodo 8B.

Para que sea válida como electiva, debe verse también la microcredencial Visión Artificial I: Comprensión De Imágenes MAIA 4321. En conjunto, las electivas MAIA 4321 y MAIA 4322 funcionan como una electiva de código IBIO.

Prerrequisitos: Análisis y Procesamiento de Imágenes o Fundamentos de Reconocimiento Visual, Requisito de Lectura en Inglés y Requisito de Español.

La neuroingeniería es un área que busca entender el funcionamiento del cerebro con el fin de desarrollar sistemas capaces de interactuar y modular la actividad de éste en contextos funcionales, patológicos y de rehabilitación. Dentro de sus campos de acción se encuentran el desarrollo de dispositivos de registro y estimulación cerebral (profunda y superficial), así como la aplicación de métodos matemáticos y el desarrollo de algoritmos computacionales capaces de procesar, interpretar y manipular la información obtenida por estos dispositivos.

En el curso se abordarán algunos de los principales conceptos necesarios para entender el funcionamiento del cerebro a diferentes escalas tanto espaciales como temporales. Se revisarán algunas de las bases necesarias para el desarrollo de dispositivos de adquisición de señales cerebrales y estimulación, y se estudiarán métodos de análisis matemáticos y computacionales orientados al análisis de la actividad neural y su aplicación a través de procesos de ingeniería. Se realizará una revisión continua del estado del arte a través de la lectura y discusión de artículos científicos.

Prerrequisitos: Procesamiento de Señales e Inst. Biomédica, Requisito de Lectura en Inglés y Requisito de Español. Electiva con contenido en Ingeniería(I).

Este curso en modalidad semipresencial ofrece una introducción al aprendizaje automático de máquinas, más conocido como machine learning. Se enseñarán los fundamentos de machine learning supervisado y no supervisado, además de introducir elementos conceptuales básicos en aprendizaje por refuerzo, aprendizaje profundo y Edge AI.

A lo largo del curso se presentarán bases teóricas en álgebra lineal, cálculo multivariable, probabilidad y optimización necesarias para el desarrollo de la temática del curso. Las clases magistrales estarán enfocadas en introducir los conceptos teóricos con discusiones generales sobre su implementación práctica, y no estarán enfocadas en el uso de un lenguaje de programación en particular.

El estudiante en este curso será evaluado a través de exámenes teóricos y tareas prácticas tipo proyecto con datos reales. No se necesitan conocimientos previos en optimización, pero sí se requieren:

• Conocimientos en cálculo, álgebra lineal y probabilidad.
• Habilidades para entender e implementar, de forma autónoma, algoritmos de programación científica.

Prerrequisitos: Análisis y Procesamiento de Imágenes o Fundamentos de Reconocimiento Visual, Requisito de Lectura en Inglés y Requisito de Español. Electiva con contenido en Ingeniería (I).

La Medicina y Biología se perfilan como ciencias dominantes del siglo XXI. La complejidad intrínseca de las ciencias biológicas exige la participación e integración de varias disciplinas para su estudio y entendimiento. En la medida en que la Biología se vuelve más cuantitativa, el rol de las matemáticas es fundamental. La Matemática aplicada a la Biología y a la Medicina es una disciplina reciente y creciente, que goza de amplio reconocimiento y futuro. En este curso desarrollaremos y analizaremos modelos matemáticos que describan procesos biológicos. También ilustraremos como se pueden usar los modelos para predecir resultados en situaciones hipotéticas. El curso aborda modelos matemáticos clásicos y contemporáneos a nivel molecular, celular, de organismos y de poblaciones.

El objetivo de la Dinámica Cardiovascular es estudiar las propiedades físicas de la sangre, el corazón, las arterias y las venas, la relación de estas propiedades con los fenómenos que se observan en la circulación. Así como aplicar estos conocimientos a la investigación de la fisiología y patología cardiovascular, su diagnóstico y tratamiento.

En Biología, una gran variedad de procesos están modulados por ritmos. Así como las estaciones determinan las épocas de migración de diferentes especies, la alternancia día y noche determina el ciclo de diversos procesos necesarios para la regulación y mantenimiento de la vida. Dentro de los ciclos que presentan más relevancia en la escala circadiana de procesos biológicos se encuentra la variación sucesiva de estados de sueño y vigilia. Estas variaciones se presentan a sí mismas en diferentes escalas tanto espaciales como temporales. Es así como variaciones periódicas de pocos milisegundos a escala celular pueden estar intrínsecamente relacionadas con actividades rítmicas de todo un sistema funcional.

En el cerebro, las actividades rítmicas reflejan una miríada de procesos temporo-espaciales indispensables para el mantenimiento de todas las actividades fisiológicas corporales. Los ritmos cerebrales constituyen así un sinónimo de función o proceso funcional. Durante el sueño, los ritmos u oscilaciones cerebrales se expresan de forma cíclica y se considera que están asociados a diferentes procesos funcionales. Variaciones o anormalidades en su estructura pueden estar asociadas con condiciones patológicas como tales como la depresión, o inclusive la epilepsia, esta última considerada precisamente como una consecuencia de alteraciones en los ritmos que modulan la actividad de ciertas regiones cerebrales.

Los objetivos de este curso son:

• Adquirir los conocimientos necesarios para comprender los principales eventos moleculares e inmunológicos que sustentan el proceso de diseño de vacunas.
• Comprender los principios moleculares que fundamentan las diversas técnicas existentes para el estudio y manipulación de secuencias antigénicas en el diseño de vacunas.
• Dimensionar las nuevas perspectivas en el diseño molecular de vacunas de acuerdo con los últimos avances tecnológicos (genómica, transcriptómica y proteómica).
• Fomentar la discusión de temas de investigación desde una perspectiva molecular en el pensamiento crítico de Ingeniería Biomédica.

La Visión por Computador, o Visión Artificial, es el área de la Inteligencia Artificial que busca modelar la percepción visual y emular las capacidades de los sistemas visuales biológicos. Su objetivo principal es representar e interpretar datos visuales para extraer información cuantitativa acerca del mundo.

El curso tendrá énfasis en la investigación actual en esta área y abordará los principales problemas abiertos en Visión Artificial: representación de patrones visuales, segmentación de imágenes, reconocimiento de objetos, análisis de movimiento, reconstrucción tridimensional y estereoscopía. En el estudio de cada tema, se resaltarán las técnicas recientes y el estado del arte de la disciplina, en particular las técnicas de aprendizaje profundo (deep learning). La clase teórica se complementará con sesiones de laboratorio en Python, en las que se pondrán en práctica los conceptos y herramientas computacionales del curso. El curso culminará con un proyecto de investigación en el cual los estudiantes aplicarán las herramientas de la visión artificial a problemas multidisciplinarios reales.

Uno de los objetivos mayores del estudio del sistema nervioso es comprender de la manera más completa posible los diferentes aspectos relacionados con el funcionamiento del cerebro y en particular cómo éste procesa información. Actualmente se considera que el procesamiento de información en el cerebro es posible gracias a la interacción entre los diferentes grupos celulares que lo conforman. Así, la actividad de una célula particular adquiere importancia únicamente cuando se observa en relación a la actividad que otras células se encuentran realizando. Esta actividad conjunta implica la coordinación de actividades celulares a diferentes escalas temporo-espaciales, las cuales se manifiestan a través de ritmos u oscilaciones cerebrales en registros de electroencefalograma (EEG) o potenciales de campo locales (LFPs).

El estudio de estos ritmos ha permitido la comprensión, al menos parcial, de diversos procesos fisiológicos llevados a cabo durante diferentes estados de vigilancia (vigilia, sueño), y que se relacionan con tareas cognitivas tales como atención, percepción, memorización, integración sensorial entre otros. De igual forma, el análisis de estas actividades ha contribuido al entendimiento de algunos de los mecanismos asociados con diferentes patologías neuronales tales como por ejemplo epilepsia, Parkinson, estados alterados de conciencia y desórdenes de sueño. El estudio detallado de estos patrones fue sin embargo posible desde hace poco menos de un siglo con el invento por un lado de dispositivos capaces de registrar variaciones de potencial eléctrico a escalas de micro-voltios y el desarrollo de técnicas avanzadas de electrofisiología experimental, y por otro, al desarrollo de métodos matemáticos avanzados que conjunto con el desarrollo de plataformas computacionales cada vez más potentes han permitido extraer y analizar de manera fina grandes cantidades de información.

Éste es un curso electivo de nivel de maestría cuyo objetivo principal es explorar las fronteras del conocimiento actual en el área del reconocimiento visual. El curso requiere familiaridad previa y bases sólidas en los campos de la visión artificial, el aprendizaje estadístico y el aprendizaje de máquina profundo (Deep Learning). El curso se estructurará alrededor de módulos que cubren los principales temas de investigación actual en reconocimiento visual y tendrá un formato mixto de presentaciones teóricas y prácticas en computador. El curso culminará con un proyecto de investigación en el que los estudiantes integrarán las distintas herramientas teóricas y computacionales desarrolladas a lo largo del semestre para el estudio de una problemática real.

Éste es un curso electivo de nivel de maestría cuyo objetivo principal es explorar las fronteras del conocimiento actual en el área del aprendizaje automático. El curso requiere familiaridad previa y bases sólidas, tanto teóricas como prácticas, en los campos de Visión por Computador, Aprendizaje Estadístico y Aprendizaje de Máquina Profundo (Deep Learning). El curso se estructurará alrededor de módulos que cubren los principales temas de investigación actual en aprendizaje automático y tendrá un formato mixto de presentaciones teóricas y prácticas en computador. El curso se enfocará en el desarrollo de un proyecto de investigación en el que los estudiantes integrarán las distintas herramientas teóricas y computacionales desarrolladas a lo largo del semestre para el estudio de una problemática real. Se espera que, después de cursar esta asignatura, el estudiante posea un nivel de familiaridad con el estado del arte y una destreza en el uso de las técnicas de punta en aprendizaje automático que le permitan realizar proyectos de investigación a nivel graduado en esta área.

Este curso de cuatro créditos equivale al Proyecto de Investigación en Ingeniería, para los estudiantes que están haciendo pregrado/postgrado.

El estudiante puede enunciar un Proyecto con un profesor como asesor. Debe entregar en coordinación un documento de propuesta con objetivos y cronograma con el visto bueno del asesor y los documentos de propiedad intelectual acordados.